$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}
$vue{csvName}上传成功
取消
确认提交
大赛简介
此数据集来自克利夫兰医学研究中心的心脏病患者数据，可用于建立心脏病诊断模型。该数据集包括270个样本，每条数据涵盖了年龄，性别，血浆类固醇含量以及是否患有心脏病等14个属性
参赛须知
参赛时间: 本次竞赛无时间限制，长期有效开放
参赛方式
- 方式一：
- 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
- 方式二：
- 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分，在本地进行代码调试的教程请查看[文档中心]
参赛选手说明
- 参赛人员身份信息需保证真实、有效，大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
- 欢迎海内外的在校学生，算法工程师和所有AI爱好者参与
- 本次竞赛报名形式：以个人形式本地提交作品线上审核，并且以最终提交算法得分作为唯一有效成绩
- 在比赛截止日期前，团队中成绩最高分作为本团队的最终成绩
- 报名成功后请加入FlyAI竞赛交流群，一起学习进步！重要通知也将在群内发布，不要错过哦
比赛作品说明
- 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
- 不同团队/个人，提交相似结果文件，取消双方所有人员参赛资格
- 多开小号报名、提交，一经发现将取消参赛资格
- 禁止使用外部链接下载代码替换本项目代码
- 比赛过程中，通过脚本获取比赛数据，成绩无效
- 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练，成绩无效
- 使用的预训练模型需为FlyAI官方审核通过的模型，使用非官方验证预训练模型，成绩无效
- 提交的代码具备可解释性并且其它开源框架可复现
- 所有相似代码将一律不通过审核！！情况多次出现者封号处理
- 如有发现利用非正常手段作弊行为，奖金一律不发放。之前所获得奖金金额官方有权收回，情节严重者封号处理
- 提交代码即视为阅读并同意以上比赛作品说明
大赛奖项设置
奖项说明:
| 奖项设置 | 获奖人数 | 奖金额度说明(按最终得分评判) |
|---|---|---|
| 参与奖（总奖金30%） | 所有人 | 不同得分区间获得相应的竞赛奖金 |
| 突破奖（总奖金20%） | 所有人 | 更新排行榜得分，获取相应竞赛奖金 |
| 排名奖（总奖金50%） | 第一周/月前3名（冠、亚、季军） | 项目上线第一周、第一个月; Time_P(周) = 0.5，Time_P(月) = 0.5；K1=0.5，K2=0.3，K3=0.2； |
| 不同框架奖励 | 所有人 | 获得60FAI币用于GPU训练资源消耗 |
赛事主题和数据说明
赛题描述
通过实现算法并提交训练，获取奖金池奖金。小提示：抢先更新算法排行榜，有更大机会获取高额奖金哦！
数据来源
数据描述
由于需要提交代码作品在云端进行训练，参赛数据集不对外开放。仅提供调试数据，可通过使用本地调试的方式获取调试数据集。本地调试和提交指南请查看[文档中心]
字段说明：
| 文件名 | 字段名称 | 字段类型 | 备注 |
|---|---|---|---|
| age | int | 大于等于 29, 小于等于 77 | 年龄 |
| sex | int | 大于等于 0, 小于等于 1 | 性别 |
| cp | int | 大于等于 1, 小于等于 4 | 胸痛类型 |
| trestbps | float | 不为空 | 静息血压 |
| chol | float | 大于等于 126, 小于等于 564 | 血浆类固醇含量 |
| fbs | int | 大于等于 0, 小于等于 1 | 空腹血糖>120mg/dl |
| restecg | int | 大于等于 0, 小于等于 2 | 静息心电图结果 |
| thalach | float | 大于等于 71, 小于等于 202 | 最高心率 |
| exang | int | 大于等于 0, 小于等于 1 | 运动型心绞痛 |
| oldpeak | float | 大于等于 0, 小于等于 6.2 | 运动引起的ST下降 |
| slope | int | 大于等于 1, 小于等于 3 | 最大运动量时心电图ST的斜率 |
| ca | int | 大于等于 0, 小于等于 3 | 使用荧光染色法测定的主血管数 |
| thal | int | 大于等于 3, 小于等于 7 | THAL |
| label | int | 大于等于 0, 小于等于 1 | 是否患有心脏病 |
参考文献：
[1]https://www.ajconline.org/article/0002-9149(89)90524-9/abstract
评审标准
算法输入输出格式
输入字段： age, sex, cp, trestbps, chol, fbs, restecg, thalach, exang, oldpeak, slope, ca, thal,
输出字段： label,
评审指标说明
- 准确率（Accuracy）：对于给定的测试数据集，预测正确的样本数与实际总样本数之比
- True，表示预测正确的样本数数量
- Total Number of Samples，表示实际总样本数数量
- 计算公式如下：
比赛常见问题说明
Q:比赛使用什么框架？
- 比赛支持常用的机器学习和深度学习框架，比如TensorFlow，PyTorch，Keras，Scikit-learn、MXNet等。
Q:怎么参加比赛，需不需要提交CSV文件？
- FlyAI竞赛平台提供免费云端GPU资源，报名后可以使用自己熟练的框架，修改main.py中的网络结构和processor.py中的数据处理；仅部分赛题支持CSV方式提交，请仔细阅读参赛方式相关内容。
Q:比赛排行榜分数怎么得到的？
- 参加项目竞赛必须实现 model.py 中的predict_all方法。系统通过该方法，调用模型得出评分。
$vue{item.rank_name}
超过 90分 的成绩会在48小时内更新到排行榜，不要着急哦！
batch数据为256，循环次数为1次，通过在线上环境完成训练，模型最优精度评分为94.44。
Sklearn
RandomForest
2019-05-04 12:03:38
75.25
94.44
8
batch数据为32，循环次数为100次，通过在线上环境完成训练，模型最优精度评分为85.19。
Sklearn
RandomForest
2019-09-27 07:22:42
85.19
13
batch数据为32，循环次数为550次，通过在线上环境完成训练，模型最优精度评分为83.33。
sklearn
SVM
2019-06-05 23:43:47
83.33
14
batch数据为32，循环次数为10次，通过在线上环境完成训练，模型最优精度评分为83.33。
scikit-learn
ML
2019-07-02 21:21:01
83.33
35
batch数据为500，循环次数为32次，通过在线上环境完成训练，模型最优精度评分为79.63。
xgboost
xgboost
2019-09-16 18:19:54
79.63
40
batch数据为32，循环次数为10次，通过在线上环境完成训练，模型最优精度评分为77.78。
sklearn
AdaBoostClassifier
2019-04-30 21:41:49
77.78
53
batch数据为128，循环次数为32次，通过在线上环境完成训练，模型最优精度评分为72.22。
sklearn
gbdt
2019-07-05 06:39:27
72.22
83
batch数据为128，循环次数为1次，通过在线上环境完成训练，模型最优精度评分为59.26。
scikit-learn
DecisionTree
2019-08-04 11:47:54
59.26
84
batch数据为64，循环次数为10次，通过在线上环境完成训练，模型最优精度评分为59.26。
sklearn
SVM
2019-08-11 16:40:04
59.26
- gboy
-
模型得分为100，本次获得排名奖奖金为62.5元
2019-05-25 15:00:02
- hhy
-
模型得分为94.44，本次获得排名奖奖金为37.5元
2019-05-25 15:00:02
- gboy
-
模型得分为100，本次获得排名奖奖金为37.5元
2019-05-06 15:00:02
- hhy
-
模型得分为94.44，本次获得排名奖奖金为25元
2019-05-06 15:00:02
- hhy
-
模型得分为94.44，本次获得实时奖励奖金为11.25元
2019-05-05 10:25:08
- gboy
-
模型得分为100，本次获得实时奖励奖金为18.75元
2019-05-04 11:07:35
- hhy
-
模型得分为90.74，本次获得实时奖励奖金为1.5元
2019-05-04 11:07:30
讨论
500字
表情
每日优质讨论奖励 20FAI
发送每日优质讨论奖励 20FAI
删除确认
是否删除该条评论？
取消
删除