第五届“创新杯”大学生大数据挑战赛将于7月24日开赛。大赛自2022年创办以来已成功举办四届，覆盖高校700余所，参赛学生超万人，成为具有行业影响力的品牌赛事。赛事紧扣“数据要素×”与“人工智能+”趋势，依托企业真实场景与脱敏数据，聚焦产业数字化转型痛点，开展大数据建模、算法优化等场景化应用竞技。不少同学在备赛期间，对于如何展开系统学习颇感迷茫。今日，数乐君将创新杯往年考点相关内容进行了汇总整理，直接列出重点，使备赛更具方向性！
创新杯赛程安排
初赛:7月24日09:00-7月31日09:00
复赛:8月26日09:00-8月29日09:00
决赛:10月中旬
创新杯历年赛题
2022年真题
A题:银行卡电信诈骗危险预测
考点:BP(BP)神经网络、支持向量机、光照GBM、 XGboost、随机森林、梯度提升决策树、极端随机树、PSO-EF模型、集成学习
B题
B题:航班数据分析和预测
考点:Stacking集成模型、航班延误预测、延误原因分析、极度随机数、多分类型、机器学习、规划模型、LDA QDA、logistics回归、MLP、支持向量机。
2023年真题
A题
A题:智能手机用户监测数据分析
考点:DBSCAN 聚类、系统聚类、k-means聚类、时间序列、多项式回归、支持向量机、随机森林、决策树
B题
B题:美国纽约公共自行车使用量预测分析
考点:图论、K-means 聚类、层次聚类、SARIMAX Prophet、XGBoost、多元时间序列、DBSCAN 聚类、ARIMA 时序模型。
2024年真题
A题
A 题：烟草营销案例数据分析
考点:时间序列预测，SARIMA，XGBoost，CNN+LSTM,Holt-Winters，集成模型等
B题
B 题：医疗门诊患者及用药数据分析
考点:GBRT、随机森林、SVR、退火算法、特征工程；Prophet 模型， LOF 算法；LSTM 模型；SARIMAX 模型等
2025年真题
A题
A题：智慧工厂工业设备传感器数据分析
考点：传感器数据处理、故障分类预测、剩余使用寿命回归、特征重要性分析、模型评估（准确率 / 召回率 / F1/MSE/R²）、工业时序数据建模、多特征回归 / 分类
B题
B题：道路路面维护需求综合预测
考点：路面数据建模、维护需求二分类、特征贡献度分析、维护优先级划分、资源分配优化、多维度特征融合、分类模型评估。
A/B 赛道到底差在哪？怎么选？
创新杯 A、B 赛道本质都是大数据挖掘，但难度、数据量、任务类型、适合人群完全不同。
赛道A：偏「传统数据分析 + 预测 / 分类」
适合人群：数学建模转大数据的同学，只会基础 Python、不会深度学习，想稳拿奖、不想踩坑，时间有限、队伍偏文科 / 经管
任务类型（历年真题风格）
用户行为分析
金融风控（违约预测）
销售预测、销量预测
评分预测、满意度预测
简单分类 / 回归任务
数据特点
数据量：中等（几万～几十万行）
字段：结构化表格（csv/excel）
脏数据：有缺失、异常，但不极端
不需要 GPU，普通电脑就能跑
核心技术
数据清洗：缺失值、异常值、编码
特征工程：特征构造、筛选、归一化
模型：
逻辑回归
决策树、随机森林
XGBoost /LightGBM（必学，A 赛道神器）
评价指标：
分类：AUC、准确率、F1
回归：MAE、MSE、RMSE
赛道 B：偏「复杂数据 + 进阶挖掘 」
适合人群：计算机、数据科学、统计专业，有机器学习 / 深度学习基础，想冲更高奖项、愿意肝，电脑配置较好（有 GPU 更舒服）
任务类型（历年真题风格）
时间序列预测（用电量、流量、库存）
文本挖掘 / 情感分析
多标签分类
复杂推荐系统
多表关联、超大宽表
数据特点
数据量：大（几十万～几百万行）
可能包含：文本、时间、多表关联
脏数据更多、特征极多、维度极高
特征工程难度大
核心技术
时序模型：ARIMA、Prophet、LSTM、Transformer
文本：TF-IDF、Word2Vec、BERT（简单版即可）
模型：LightGBM/XGBoost
深度学习模型（可选）
多表合并、特征交叉、高级特征工程
热门跟贴