kaggle学习

最新推荐文章于 2025-11-13 22:08:19 发布
原创 最新推荐文章于 2025-11-13 22:08:19 发布 · 209 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#kaggle 处理方案与tricks学习

http://blog.kaggle.com/2017/10/17/planet-understanding-the-amazon-from-space-1st-place-winners-interview/

Kaggle学习 Learn Machine Learning
青冬的博客
06-08 1119
Kaggle学习  目录0.前言 3 1.How Models Work 模型是怎么工作的 4 2.Starting Your ML Project 开始你的ML项目！ 9 3.Selecting and Filtering In Pandas 使用Pandas来选择与过滤 14 4.Your First Scikit-Learn Model你的第一个skLearn 19 5.Model Vali...
【STUDY】kaggle学习
sinat_40759442的博客
11-15 1213
Kaggle★ | 检索目录 | 是什么 参加kaggle竞赛是怎样一种体验 | 关于kaggle竞赛 | 如何参加 | kaggle比赛整理 | 比赛心得 | 百度 | 如何在kaggle上比赛 | 初学者五步指南 | kaggle比赛 | kaggle入门 | 一文介绍kaggle比赛 | 失败记录 | ...
最新保姆级Kaggle的GPU资源教程，零基础
最新发布
2401_85154386的博客
11-13 551
我再次点击右侧的Session options选项，我们会发现验证手机号之后会多一个ACCELERATOR的加速器选项，我们可以选择每次运行使用的显卡GPU，可以是2张T4，1张P100，一张TPU。Kaggle预先给我们装了很多深度学习的包，包括pytorch，numpy等基础的环境，所以我们不用再进行这些包的安装，如果有自己的包需要安装的可用通过下方命令来进行安装name包名。然后我们选择CN+86的号区，输入我们的手机号，我们就会发现下方的Start verification按钮可以点击了。
Kaggle课程 — 机器学习进阶 Intermediate Machine Learning
迷途小书童问天的博客
03-01 1643
学习处理缺失值、非数值型、数据泄漏等，你的模型将变得更准确和实用。
机器学习--Kaggle的使用
y江江江江的博客
12-09 2937
灰度图像数据集是3D张量，第一个维度是样本维（也就是一张一张的图片，共60 000张），后面两个是特征维（也就是图片的28px×28px的矩阵）K折验证（K-fold validation）的思路是将数据划分为大小相同的K个分区，对于每个分区，都在剩余的K-1个分区上训练模型，然后在留。（1）Keras要求图像数据集导入卷积网络模型时为4阶张量，最后一阶代表颜色深度，灰度图像只有一个颜色通道，可以设置其值为1。对于数据集的规模比较小或者模型性能很不稳定的情况，这是一种很有用的方法。（二维卷积）层，两个。
Kaggle--机器学习入门
小詹子的博客
07-15 879
在大多数（但不是全部）应用程序中，模型质量的相关度量是预测准确性。换句话说，模型的预测是否接近实际发生的情况。许多人在测量预测准确性时犯了一个巨大的错误。他们使用训练数据进行预测，并将这些预测与训练数据中的目标值进行比较。首先需要把模型的质量用一种易于理解的方式进行总结。如果你比较 10,000 套房子的预测值和实际房价，你很可能会发现有好有坏的预测结果。逐条查看这 10,000 个预测值和实际值的列表毫无意义。我们需要将其汇总成一个单一的指标。
kaggle工具学习整理
lotus
09-06 351
ligthgbm分类与回归实例展示 https://blog.youkuaiyun.com/ssswill/article/details/86539809 Scikit中的特征选择，XGboost进行回归预测，模型优化的实战 https://blog.youkuaiyun.com/sinat_35512245/article/details/79668363 ...
Kaggle入门和学习资源
女王の专属领地
03-14 847
https://dnc1994.com/2016/04/rank-10-percent-in-first-kaggle-competition/https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650729193&idx=3&sn=5f251a5861eb891df377d9bc41b4d468&chksm...
从零开始，手把手教你玩转Kaggle比赛！
自学以强自身
02-12 3752
你是否对数据科学和机器学习充满好奇，却苦于找不到合适的实战机会？ 你是否想提升自己的编程和建模能力，却不知道从哪里开始？ 如果你有这些困惑，那么Kaggle就是你最好的选择！作为全球最大的数据科学竞赛平台，Kaggle不仅为你提供了海量的数据集和真实的业务场景，还能让你与全球顶尖的数据科学家同台竞技，快速提升自己的技能。
动手学深度学习——Kaggle小白入门
golfxiao的专栏
06-06 7234
CUDA是NVIDIA提供的一种GPU并行计算框架，在pytorch中使用 .cuda() 表示让我们的模型或者数据从CPU迁移到GPU上（默认是0号GPU），通过GPU开始计算。注意：GPU使用时长的计算不是以实际运算时间来计，而是以用户绑定GPU设备的时长来计，这意味着哪怕你的代码没有在GPU上运行，只是简单绑定也会计算你的使用时长。
Kaggle新手入门之路(完结)
weixin_30381317的博客
03-01 921
学完了Coursera上Andrew Ng的Machine Learning后,迫不及待地想去参加一场Kaggle的比赛,却发现从理论到实践的转变实在是太困难了,在此记录学习过程. 一:安装Anaconda 教程大多推荐使用JupyterNotebook来进行数据科学的相关编程,我们通过Anaconda来安装Jupyter Notebook和需要用到的一些python库,按照以下方法重...
从零开始：Kaggle 竞赛实战入门指南
举世誉之而不加劝，举世非之而不加沮，定乎内外之分，辩乎荣辱之境，斯已矣。
08-01 2762
文本以泰坦尼克号生存预测竞赛为例，展示了从数据导入、模型构建（随机森林）到结果提交的完整流程，帮助用户快速上手Kaggle平台。
【计算机视觉 | Kaggle】保姆级教程：入门 Kaggle 的步骤详细介绍
wzk4869的博客
08-09 5628
【计算机视觉 | Kaggle】保姆级教程：入门 Kaggle 的步骤详细介绍
【Kaggle】初学者几个冷门的操作总结
wzk4869的博客
07-14 1万+
【Kaggle】初学者几个冷门的操作总结
七个值得实践的Kaggle机器学习项目 - 2024更上一层楼
加百力 的技术博客
12-26 1万+
这是一个监督学习问题，我们通过分析欺诈（fraud）和非欺诈（non-fraud）交易案例的信用卡交易数据集，开发一个机器学习模型来检测欺诈性信用卡交易，这对于金融机构增强安全性、保护用户免受欺诈活动并使不同交易的环境变得非常容易至关重要。在这个项目中，我们利用带有标记音频剪辑的数据集，例如包含情感语音录音的“RAVDESS”数据集，开发一个可以识别口语中不同类型的情绪（愤怒、快乐、疯狂等）的模型。应用不同的聚类算法，根据模型形成的其他聚类可视化客户细分，分析每个细分的特征以获得营销数据信息。
聚类分析——基于Kaggle数据集实战
weixin_50249953的博客
02-19 4343
聚类算法在实际中的应用主要侧重在以下几个方面：一、目标划分、特征画像，将目标数据按照特征的相似性，将目标划分为不同的类别，然后再对不同的类别进行特征描述，最后做出与研究目标相关的建议，这一块的话在论文和竞赛中使用比较常见，尤其是竞赛中做客户的特征画像，分析不同群体特征，从而给出针对性的建议；本次使用的聚类算法是kmeans++算法和层次聚类两种聚类算法进行演示，其中K-means++是对传统Kmenas算法的改进，旨在改善初始质心的选择，以提高算法的性能和结果的稳定性。
不用翻墙也可以注册kaddle
xxty1122的博客
11-22 1169
Kaggle注册，Captcha must be filled out
最简洁快速的kaggle注册（无需翻墙）
weixin_64338372的博客
04-20 5352
1.(推荐) https://azurezeng.github.io/static/HE-GoogleRedirect.json然后点击下载按钮，下载完成后点击保存。刷新注册页面 就有人机验证啦！注意使用Kaggle的GPU时，需要手机号验证才能使用哦！不过每周使用时长是有时间限制的，新用户的使用时长大约每周43h，随着时间，使用时长会慢慢增加。
Kaggle 新手入门必看，手把手教学
热门推荐
青年有志
09-26 2万+
Kaggle
探索Kaggle学习资料：个人学习日志的实践
它不仅记录了个人在Kaggle学习过程中的心得和体会，还可能通过Jupyter Notebook的形式，展现了从数据预处理、模型构建到结果分析的整个机器学习流程。通过这样的记录，学习者可以逐步构建起自己的数据科学项目库，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值