{
  "fetched_at": "2026-10-20T00:29:34Z",
  "source_url": "https://www.kaggle.com/competitions/big-data-analytics-certification-kr-2024-1/data",
  "pages": [
    {
      "name": "Evaluation",
      "content": "제출은 다중 클래스 로그 손실을 사용하여 평가됩니다. 테스트 세트의 각 id는 하나의 참 클래스 레이블인 Status를 가지며, 각 id에 대해 세 가지 가능한 결과에 대한 예측 확률 세트를 제출해야 합니다. 예를 들어, Status_C, Status_CL, Status_D입니다.\n\n메트릭은 다음과 같이 계산됩니다.\n\n$$log loss = -\\frac{1}{N}\\sum_{i=1}^N\\sum_{j=1}^My_{ij}\\log(p_{ij}),$$\n\n여기서 \\(N\\)은 테스트 세트의 행 수, \\(M\\)은 결과 수(즉, 3), \\(log\\)는 자연 로그, \\(y_{ij}\\)는 행 \\(i\\)가 지상 진리 레이블 \\(j\\)인 경우 1이고 그렇지 않으면 0, \\(p_{ij}\\)는 관측치 \\(i\\)가 클래스 \\(j\\)에 속할 예측 확률입니다.\n\n주어진 행에 대한 제출 확률은 합이 1이 될 필요는 없으며 점수가 매겨지기 전에 재조정됩니다(각 행은 행 합으로 나눕니다). 로그 함수의 극단값을 피하기 위해, 예측 확률은 \\(max(min(p,1-10^{-15}),10^{-15})\\)로 대체됩니다.\n\n제출 파일\n테스트 세트의 각 id 행에 대해 세 가지 결과 Status_C, Status_CL, Status_D의 확률을 예측해야 합니다. 파일에는 헤더가 포함되어야 하며 다음 형식을 따라야 합니다:\n\nyaml\n코드 복사\nid,Status_C,Status_CL,Status_D\n7905,0.628084,0.034788,0.337128\n7906,0.628084,0.034788,0.337128\n7907,0.628084,0.034788,0.337128\n등등.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "함께 성장해 보아요!!\n\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "\n\n*   **train.csv** - the training dataset; `Status` is the categorical target; `C` (censored) indicates the patient was alive at `N_Days`, `CL` indicates the patient was alive at `N_Days` due to liver a transplant, and `D` indicates the patient was deceased at `N_Days`.\n*   **test.csv** - the test dataset; your objective is to predict the probability of each of the three `Status` values, e.g., `Status_C`, `Status_CL`, `Status_D`.\n*   **sample_submission.csv** - a sample submission file in the correct format",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "목표: 다중 클래스 접근 방식을 사용하여 간경변 환자의 결과를 예측하는 것입니다. ",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}