- 综合排序
- 最热优先
- 最新优先
- 来自专栏嵌入式视觉
【Kaggle竞赛】Kaggle竞赛了解
Contents 1 关于Kaggle竞赛 1.1 比赛奖牌规则如下： 2 图像识别竞赛流程 3 数据准备 3.1 模型设计 3.2 迭代训练 3.3 模型测试 4 总结 关于Kaggle竞赛 Kaggle 是一个数据分析的竞赛平台，网址：https://www.kaggle.com/，网站主页面如下： kaggle上的竞赛主要分为A类赛和B类赛。 我现阶段专注于图像识别，所以我参加了三个kaggle竞赛都是CV领域的，下面是我总结的Kaggle的CV类竞赛的流程。 VGGNet等，模型） 迭代训练（迭代训练模型） 模型验证（在测试集上测试训练得到的模型） 比赛奖牌规则如下： 图像识别竞赛流程 图像识别竞赛，主要是对未知图像进行分类，然后在测试集上测试后，提交结果到Kaggle 模型测试 迭代训练后的模型泛化性和效果如何，需要在测试集上测试之后才能知道，这也是Kaggle竞赛与网上乱七八糟的一些demo的不同之处，模型需要对较大的测试集进行测试，并将图像分类的测试结果写入csv
2.7K31编辑于 2022-09-05 - 来自专栏自学笔记
kaggle
kaggle：房价预测 首先，先把数据搞下来 ? 整整80个特征。label标签是不是正态分布，如果不是正态分布很多算法就用不上了,因为回归分析就是基于正态分布的。 ? kaggle：房价预测 Another Solution https://www.kaggle.com/lavanyashukla01/how-i-made-top-0-3-on-a-kaggle-competition 在kaggle上找了另外一个大佬的Solution，和我的差不多，但是别人的够专业。 https://www.kaggle.com/greenarrow2018/10-monkeys-with-resnet50-93 具体做法已有，已达到97%的准确率了，看了一下其他的kernel，好像最屌的也就和我差不多了
1.3K20发布于 2020-06-28 - 来自专栏杨熹的专栏
Kaggle 神器 xgboost
在 Kaggle 的很多比赛中，我们可以看到很多 winner 喜欢用 xgboost，而且获得非常好的表现，今天就来看看 xgboost 到底是什么以及如何应用。 另外一个优点就是在预测问题中模型表现非常好，下面是几个 kaggle winner 的赛后采访链接，可以看出 XGBoost 的在实战中的效果。 Link to the Kaggle interview. Link to the Kaggle interview. ---- 怎么应用？
1.8K61发布于 2018-04-03 - 来自专栏猴子数据分析
Kaggle如何入门？
从下面5个方面系统聊聊： 1）Kaggle是个什么东东？ 2）什么人会使用Kaggle? 3）在Kaggle上做项目对你找工作有什么用？ 4）如何在Kaggle中高效搜索数据集？ 5）零基础如何入门Kaggle？ （具体聊聊在做kaggle项目的时候遇到哪些问题，问题出现的时候我是如何思考的？最后又是如何解决的？） 6）一个入门的例子：手把手教会你入门Kaggle 1.Kaggle是什么？ Kaggle 是一个流行的数据科学竞赛平台。 3.在Kaggle上做项目对你找工作有什么用？ 现在你已经知道在Kaggle上做项目对你人生的重要意义了。那么接下来的问题就来了。 4.如何在Kaggle中高效搜索数据集？
3.5K11发布于 2021-03-21 - 来自专栏嵌入式视觉
【Kaggle竞赛】数据准备
前言：在我们做图像识别的问题时，碰到的数据集可能有多种多样的形式，常见的文件如jpg、png等还好，它可以和tensorflow框架无缝对接，但是如果图像文件是tif等tensorflow不支持解码的文件格式，这就给程序的编写带来一定麻烦。
1.7K21编辑于 2022-09-05 - 来自专栏我还不懂对话
『 kaggle』kaggle-DATA-SCIENCE-BOWL-2018（U-net方法）
最终将mask转换为RLE编码参考于代码https://www.kaggle.com/rakhlin/fast-run-length-encoding-python Conclusion 最终的方法即上面介绍的方法 原文出处：https://blog.csdn.net/shine19930820/article/details/80098284 Reference https://www.kaggle.com/rakhlin fast-run-length-encoding-python 『 论文阅读』U-Net Convolutional Networks for Biomedical Image Segmentation https://www.kaggle.com /rexhaif/morphological-postprocessing-on-unet-lb-0-429/notebook https://www.kaggle.com/voglinio/separating-nuclei-masks-using-convexity-defects https://www.kaggle.com/keegil/keras-u-net-starter-lb-0-277?
2.5K20发布于 2021-10-19 - 来自专栏人工智能头条
揭秘Kaggle神器xgboost
在 Kaggle 的很多比赛中，我们可以看到很多 winner 喜欢用 xgboost，而且获得非常好的表现，今天就来看看 xgboost 到底是什么以及如何应用。 另外一个优点就是在预测问题中模型表现非常好，下面是几个 kaggle winner 的赛后采访链接，可以看出 XGBoost 的在实战中的效果。 competition https://www.kaggle.com/c/dato-native Link to the Kaggle interview http://blog.kaggle.com/ Alexander Guschin, 1st place of the CERN LHCb experiment Flavour of Physics competition https://www.kaggle.com /c/flavours-of-physics Link to the Kaggle interview http://blog.kaggle.com/2015/11/30/flavour-of-physics-technical-write-up
1.4K20发布于 2018-07-20 - 来自专栏机器学习/数据可视化
kaggle-3-Appstore
The ever-changing mobile landscape is a challenging space to navigate. . The percentage of mobile over desktop is only increasing. Android holds about 53.2% of the smartphone market, while iOS is 43%. To get more people to download your app, you need to make sure they can easily find your app. Mobile app analytics is a great way to understand the existing strategy to drive growth and retention of future user.
92420发布于 2021-03-01 - 来自专栏AI研习社
Kaggle参赛入门经验
对新手来说，第一次参加kaggle竞赛会遇到一些问题，我会尽可能的为你揭开kaggle的神秘面纱。总之，我希望能让你感受到kaggle的魅力，让kaggle推动你在数据科学领域不断前进。 在公共排行榜跟进社区动态 让我们首先从101新手赛了解kaggle平台吧。在一般的kaggle竞赛中，你一般会收到两份数据：训练集与测试集。 大量团队的成绩集中在深蓝色线条上，而这可以用kaggle notebook来解释（以前被称为kaggle kernels）。 从前从未听到过kaggle笔记本么？ 我想不出比加入kaggle更好的方法来提高我们的机器学习技能。 封面图来源：Kaggle 官方博客
1.4K20发布于 2019-11-18 - 来自专栏机器学习/数据可视化
kaggle-1-Titanic
kaggle上的Titanic数据处理、特征工程，建模等 中位数填充缺失值 特征工程处理 建模过程 导入相关库 import numpy as np import pandas as pd import
1.4K10发布于 2021-03-02 - 来自专栏数据STUDIO
Kaggle Solo第一！
参考文献 https://www.kaggle.com/competitions/predict-energy-behavior-of-prosumers/discussion/472793 https ://www.kaggle.com/competitions/predict-energy-behavior-of-prosumers/overview 作者：hyd
41511编辑于 2024-05-20 - 来自专栏嵌入式视觉
【Kaggle竞赛】模型测试
这里我是根据kaggle比赛来写的模型测试代码，所以可能跟实际的工程项目有所差别，注意区分。 这里的模型测试程序，是我参加dogs-vs-cats-redux-kernels-edition比赛而编写的，其他Kaggle比赛有所区别，但大致逻辑和流程没有差别。
95530编辑于 2022-09-05 - 来自专栏机器学习/数据可视化
kaggle-top50 of music
kaggle-top50 top50的数据是kaggle官网上关于一个音乐的数据集。
93111发布于 2020-10-30 - 来自专栏机器学习与统计学
Kaggle神器LightGBM最全解读！
GBDT不仅在工业界应用广泛，通常被用于多分类、点击率预测、搜索排序等任务；在各种数据挖掘竞赛中也是致命武器，据统计Kaggle上的比赛有一半以上的冠军方案都是基于GBDT。 Best parameters found by grid search are:', gbm.best_params_) （3）基于LightGBM原生接口的回归 对于LightGBM解决回归问题，我们用Kaggle 比赛中回归问题：House Prices: Advanced Regression Techniques，地址：https://www.kaggle.com/c/house-prices-advanced-regression-techniques
5.6K30发布于 2020-12-08 - 来自专栏Python爬虫与算法进阶
Kaggle入门之预测房价
= [0,1,2] 5>>> clf.fit(X,y) 6>>> clf.coef_ 7[ 0.5 0.5] 8>>> clf.intercept_ 91.11022302463e-16 第一次参加Kaggle 这里是我写的不走，有空来看看 Kaggle入门之预测房价。完整代码阅读原文。 ?
1.3K40发布于 2018-11-23 - 来自专栏嵌入式视觉
【Kaggle竞赛】迭代训练模型
最后一旦找到了模型的最佳参数，就在测试集上最后测试一次，并将得到的测试结果储存为CSV文件，提交到Kaggle平台上，看分数如何，以便进行后期的改正。
1.2K10编辑于 2022-09-05 - 来自专栏数据处理
kaggle-识别手写数字
提交kaggle,得分排名比较靠后 ?
1.4K20发布于 2018-06-01 - 来自专栏AI研习社
如何开始 Kaggle 比赛之旅
本文为 AI 研习社编译的技术博客，原标题 ： How to Start Competing on Kaggle 作者 | Chirag Chadha 翻译 | IinIh 编辑 | 邓普斯• 如果你正在读这篇文章，你应该已经知道Kaggle是一个数据科学的比赛平台，在这里大家可以使用结构化（数值或者类别的表格化数据）和非结构化数据（比如文字，图像，音频），参与到大量机器学习话题的比赛中，并且带着获取奖金和人人向往的 Kaggle金牌的目标。 pandas.DataFrame.fillna()的方法提供了一些不同的选项来处理缺失值问题，这个Kaggle Kernel也是有帮助值得一读的资源。 但是，缺失值并不总是意味着没有记录数据。 我找到下面的两个kernel能帮助你掌握这个技术： https://www.kaggle.com/tunguz/adversarial-santander https://www.kaggle.com/
88760发布于 2019-05-22 - 来自专栏Python中文社区
Kaggle机器学习实战总结
專 欄 ❈王勇，Python中文社区专栏作者，目前感兴趣项目商业分析、Python、机器学习、Kaggle。 ❈ 2017年就要过去，这一年我花了很多业余时间在学习Python 和机器学习，主要的方法就是在Kaggle 上面刷各种比赛。 Kaggle HousePrice 特征工程部分之统计检验 Kaggle搭积木式刷分大法：特征工程部分 Kaggle搭积木式刷分大法: LB 0.11666（排名前１５％） 在开篇文章- 原理中， 其实这个结果在Kaggle 上面大多数选手也是用了这些算法，并且Sklearn的流程图也给出了完全一样的建议。 下次看看这张图，可以节约许多时间和精力。 ? 关于House Price，我在Kaggle 上面看到了两个信息非常有启发意义： 1、Lasso model for regression problem 在做好特征工程后，只用Lasso 就获得了0.117
1.7K80发布于 2018-02-01 - 来自专栏Python与算法之美
Kaggle免费GPU使用攻略
一，注册Kaggle 在国内使用邮箱注册kaggle时会遇到一个人机验证的步骤，可以通过翻墙访问外网的方式完成，但比较麻烦。 > 下载规则中输入如下规则url -> 点击向下箭头加载 】 规则url: https://azurezeng.github.io/static/HE-GoogleRedirect.json 4，在kaggle 官网用邮箱正常注册kaggle即可。 kaggle官网：https://www.kaggle.com/ 5，此后就可以在任何能联网的地方正常登录kaggle，不再需要Header Editor了 二，设置GPU 1，新建notebook. 【点击kaggle主页面左上角+, 选择notebook】 2，开启GPU开关。【点击展开notebook右上角 |< 设置，设置Accelerator为GPU 】 3，查看GPU信息。
6.9K51编辑于 2023-02-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号