超大规模用户数据挖掘和推荐算法 最新进展 （1）数据规模、挑战； （2）KDD-CUP 2012； （3）KDD-CUP 2012 Solution 剖析； （4）数据挖掘和推荐的新趋势；

KDD CPU99 数据集，已经经过处理，适合于二分类问题比如说异常检测。 已经分好了训练集与测试集，分别是两个文件。

kdd_cup99部分数据的分类整理。

17年阿里天池 Data Description The road network (Figure 1) here used is a directed graph formed by interconnected road links (Figure 3). A route (Figure 4) in the network is represented by a sequence of links. For every road link, its vehicle traffic comes from one or more “incoming road links” and goes into one or more “outgoing road links”. Table 3 and Figure 3 describe road links.

kddcup.data_10_percent

微博推荐数据集kddcup2012-track1

ＫＤＤ－ＣＵＰ是公认的数据处理领域内的最高水平的赛事之一，竞赛所用数据往往被数据挖掘初学者用作数据处理训练之用。这是２００９年ＫＤＤ－ＣＵＰ竞赛所使用数据的ｓｍａｌｌ版，非常适合初学者使用。仅供分享

NSL-KDD是KDD Cup 1999数据集的重采样版本，training set和test set分别采用(125973, 41) 和(22544, 41)的数据。在training set中，normal : abnormal = 67343 : 58630,解决了KDD99中类别不均衡的问题。

KDD CUP 99的一部分数据，分为有标签的和未标签的。方便做初步研究。

KDD Cup 1998年竞赛的目标是估计一个直邮的回复量，以便获得最多的捐款。数据集的格式是以逗号作为分隔符，其中学习数据集”cup98lrn.txt”包含了95412条记录，481个字段，验证数据集“cup98val.txt”包含了96367条记录，479个字段。每条记录都包含一个CONTROLN字段，该字段是记录的唯一标识符；有两个目标变量TARGET_B和TARGET_D，TARGET_B是一个二进制变量，表示当一条记录中的TARGET_D变量中有捐款时，该条记录是否对邮件做了回复。学习数据集和验证数据集的数据格式相同，但是在验证数据集中没有包含TARGET_B和TARGET_D这两个