{
  "fetched_at": "2026-10-19T21:36:55Z",
  "source_url": "https://www.kaggle.com/competitions/bme-ada-es-big-data-hazi-feladat/data",
  "pages": [
    {
      "name": "rules",
      "content": "\r\n\t<!-- Begin Base Rules -->\r\n    <h3>One account per participant</h3>\r\n    <p>You cannot sign up to Kaggle from multiple accounts and therefore you cannot submit from multiple accounts.</p>\r\n    <h3>No private sharing outside teams</h3>\r\n    <p>\r\n        Privately sharing code or data outside of teams is not permitted.\r\n        It's okay to share code if made available to all participants on the forums.\r\n    </p>\r\n    <h3>Team Mergers</h3>\r\n    <p>Team mergers are not allowed in this competition.</p>\r\n\r\n    <h3>Team Limits</h3>\r\n    <p>There is no maximum team size.</p>\r\n    <h3>Submission Limits</h3>\r\n    <p>You may submit a maximum of 2 entries per day.</p>\r\n    <p>You may select up to 2 final submissions for judging.</p>\r\n    <h3>Competition Timeline</h3>\r\n    <p>Start Date: <strong>TBA</strong></p>\r\n    <p>Merger Deadline: <strong>None</strong></p>\r\n    <p>Entry Deadline: <strong>None</strong></p>\r\n    <p>End Date: <strong>2/1/2014 12:00 AM UTC</strong></p>\r\n\t<!-- End Base Rules -->\r\n<p>The rules page is a bit special: it will auto-update the text based on the parameters of the competition. The rules you need to add here are any additional rules relating to dataset usage. You may also put grading information here.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "<h2>Adathalmazok</h2>\n<ul>\n<li><strong>train_log.csv</strong> - tanuló adathalmaz log része, a session-ök log bejegyzései</li>\n<li><strong>train_target.csv</strong> - tanuló adathalmaz célváltozó része, az adott session-höz tartozó célváltozó</li>\n<li><strong>test_log.csv</strong> - a modell alkalmazásához és visszaméréséhez létrehozott címkézetlen adathalmaz</li>\n</ul>\n\n__Az egyes file-ok és mezőinek leírását a lenti összefoglalóban láthatod.__\n\nA log állományok type mezőjében szereplő értékek magyarázata a következő:\n\n<ul>\n<li>\tct\t-\ttermék kategória\n<li>\tls\t-\ttermék oldalak\n<li>\tdt\t-\trészletek egy termékről\n<li>\tznacka\t-\tmárkák listája, vagy egy márka részletei\n<li>\takce\t-\taktuális ajánlatok (mind, vagy egy kategórián belül)\n<li>\tdf\t-\ttermékek összehasonlítása\n<li>\tfindf\t-\tszöveges keresés\n<li>\tfindp\t-\tparaméteres keresés\n<li>\tsetp\t-\tparaméterek beállítása\n<li>\tporadna\t-\tonline tanácsadás\n<li>\tkosik\t-\tvásárlás, szerződés, rendelés\n<li>\tmain\t-\tfőoldal\n<li>\tobchody-elektro vagy obchody_elektro\t-\telektronikai üzletek listája\n<li>\tkontakt\t-\tszöveges infó, elérhetőség\n<li>\tfaq\t-\tszöveges infó, gyakori kérdések\n<li>\tonakupu\t-\tszöveges infó, a vásárlásról\n<li>\tsplatky\t-\t\"szöveges infó,\n bérlés-vásárlás\"\n<li>\tmailc\t-\tvan-e készleten\n<li>\tmailp\t-\toldal elküldése\n<li>\tmailf\t-\tvisszajelzés küldése\n<li>\tmailr\t-\treklamáció küldése\n</ul>\n\n__Kiemelten__ figyeljünk arra, hogy külső adathalmazok, vagy külső csatolt adatok nem használhatók a feladat megoldása során.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Alkalmazott adatelemzés\n-----------------------\nA webes felhasználói adatok elemzése az adatelemzés egyik klasszikus területének számít már. A verseny során egy webáruház látogatási adatait kell elemezni: arra keressük a választ, hogy mely látogatók azok, akik vásárolni fognak az adott webáruházban. Ehhez a látogatások (session-ök) első 8 oldalletöltésének adatait használhatjuk fel, kérdés, hogy ennek adataiból mennyire jelezhető előre a vásárlás ténye.\n\n\nBig data\n--------\nA webes felhasználói adatok elemzése az adatelemzés egyik klasszikus területének számít már. A feadat során egy webáruház látogatási adatait kell elemezni: arra keressük a választ, hogy mi jellemző a webáruház látogatóira. Ehhez a látogatások (session-ök) első 8 oldalletöltésének adatait használhatjuk fel.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>A megoldások kiértékelésére az AUC metrikát használjuk, ami a modelletek ROC görbe alatti területe. További információk a következő linken: https://www.researchgate.net/publication/222511520_Introduction_to_ROC_analysis</p>\n\n__Beküldés menete__: egy olyan kétoszlopos csv állományt kell feltölteni, ahol (1) az első sorban a mezők nevei olvashatók (\"SessionID\" és \"target\"), (2) az első oszlopban a test_log.csv-ben előforduló _összes_ SeessionID van egyesével felsorolva, (3) a második oszlopban egy score érték látható, ami akkor nagyobb, ha nagyobb valószínűséggel gondolja a beküldő, hogy az adott SessionID-hoz tartozó session-ben lesz később vásárlás. \n\n__Fontos__, hogy nem 0/1 értékeket várunk (feltétlenül) a második oszlopban, lehet tört számokat megadni. Ebben az esetben a kiértékelésnél használt AUC érték is (tipikusan) jobb szokott lenni. \n\n__Figyeljetek__ arra is, hogy a beküldésnél a SessionID egész számként legyen kiírva, nem pedig lebegőpontosként - különben a kaggle nem minden esetben tudja értelmezni a beküldött adatokat.\n\n\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}