# CustomerAnalytics-2025 — Data

来源：https://www.kaggle.com/competitions/customer-analytics-2025/data

采集时间：2026-10-19T12:30:26Z

Az adataink struktúrája igen egyszerű, egy-egy látogatót egy-egy sor reprezentál. Minden sorban láthatjuk az anonim azonosítóját, majd azt, hogy megadott több mint 100 témában (“Topic101_” prefix) hányszor utalt arra, hogy egy téma érdekes (“_ic” postfix a változó nevében) számára az, vagy utasította el azt (“_ec” postfix a változó nevében). Végül a célváltozó látható a tanító adathalmaz esetében, míg ez a változó nem adott a test adathalmaznál, a verseny feladata pont ennek az értékének becsléséhez köthető (pontosan ezen változó 1-es értékének valószínűségét kell megadnunk).

Az alábbiakban az egyes változók neveit és eloszlásait mutatja be a Kaggle saját felületén.

Kiértékeléshez fel kell töltened egy úgynevezett submission file-t, amiben a test adathalmaz cookie_id-jai és a hozzájuk tartozó valószínűségek találhatók meg (példa file-ként láthatsz egy megoldást is “pelda_submission.csv” néven).

A kiértékelést az általad beküldött adatokkal a ROC görbe AUC értékével valósítjuk meg, minél magasabb ez az érték, annál jobb a modelled.

Fontos értened a kaggle kiértékelési módszertanát is: az adott versenynél a beküldött 100.000 sornyi adatot megfelezi a Kaggle, majd mindkét felén kiértékeli azt az AUC függvény segítségével. A public leaderboard-on az első részen elért eredményt látod, ez egyfajta tájékoztató jellegű visszacsatolás. A versenyen (és a jegy meghatározásban) azonban nem ezzel az értékkel veszel részt, hanem a private leaderboard nevű listán kell jó eredményt elérned: ezt az adatok második felén számított AUC értéket jelenti. Ezt az életszerűség biztosítása végett sosem láthatod, egyedül a vizsgaalkalmad előtti nap 12 órájakor olvassuk mi le neked.