{
  "fetched_at": "2026-10-20T02:11:02Z",
  "source_url": "https://www.kaggle.com/competitions/competition-3-yandex-shad-fall-2017-ekb/data",
  "pages": [
    {
      "name": "rules",
      "content": "Обязательно прочитайте!\n\n* Решать задание необходимо в одиночку\n* Запрещается использование внешних наборов данных, не предоставленных на соревновании\n* Запрещается использование принципиально новых алгоритмов, которые еще не проходились в курсе\n* Ваше имя в лидерборде должно иметь вид Фамилия Имя (Место учебы). Гейн Павел (ШАД Екатеринбург). Для изменения имени надо зайти в раздел My Team",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "Данные представляю из себя историю обращений к ресурсам. Каждое обращение описывается следующими категориальными признаками:\n\nf1 — ресурс к которому происходит обращение\n\nf2 — идентификатор группы машин в котором находится источник\n\nf3 — тип источника обращения (1)\n\nf4 — тип источника обращения (2)\n\nf5 — класс устройств в котором находится источник\n\nf6 — сокращенное название источника обращения\n\nf7 — расширенный тип источника обращения (1)\n\nf8 — расширенный тип источника обращения (2)\n\nf9 — код модели источника\n\nЗначения всех признаков закодированы с помощью чисел.\n\nВ качестве ответов даны размеченные запросы:\n\n* 1 — обращение является легальным\n* 0 — обращение является несанкционированным\n\nФайлы\n\n* X_train.csv — обучающая выборка\n* X_test.csv — тестовая выборка\n* y_train.csv — метки обучающей выборки",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "В большой компьютерной сети были собраны обращения к различным ресурсам, например базам данных или терминалам. Часть из них является несанкицонированными. \n\nВам необходимо обучить автоматическую систему, которая могла бы детектировать подозрительные обращения к ресурсам.\n[Базовое решение][1] в качестве прогноза использует линейную модель и OHE.\n\nОбязательно прочитайте!\n\n* Решать задание необходимо в одиночку\n* Запрещается использование внешних наборов данных, не предоставленных на соревновании\n* Запрещается использование принципиально новых алгоритмов, которые еще не проходились в курсе\n* Ваше имя в лидерборде должно иметь вид Фамилия Имя (Место учебы). Гейн Павел (ШАД Екатеринбург). Для изменения имени надо зайти в раздел My Team\n\n\n  [1]: http://nbviewer.jupyter.org/urls/dl.dropbox.com/s/5a5o0r0yyixto7k/baseline.ipynb",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "В качестве метрики качества используется [ROC AUC][1]\n\nОтправлять необходимо файл с двумя колонками:\n\nid — идентификатор обращения в тестовой выборке\nprediction — предсказанная вероятность того, что обращение является легальным\n\nПример:\n\nid,prediction\n\n0,0.9\n\n1,0.1\n\n2,0.23\n\n3,0.7\n...\n\n\n  [1]: https://www.kaggle.com/wiki/AreaUnderCurve",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}