kaggle薅羊毛

最新推荐文章于 2025-08-05 19:55:44 发布
最新推荐文章于 2025-08-05 19:55:44 发布
阅读量213 收藏 1
点赞数 9
CC 4.0 BY-SA版权
分类专栏： 生信-科研工具+经验 文章标签： 统计学 机器学习 kaggle 学习路线
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。
本文链接：https://blog.youkuaiyun.com/weixin_62528784/article/details/147961872

参考：https://pytorch-tutorial.readthedocs.io/en/latest/tutorial/chapter05_application/5_1_kaggle/#512-kaggle

https://github.com/girls-in-ai/Girls-In-AI/blob/master/machine_learning_diary/data_analysis/kaggle_intro.md

1，code training：

code+disscussion

以前是叫kernel+discussion，现在能够直接在code中查看公开的大佬们的解决方法代码；

比如说随便以1个房价项目为例，我们在code以及discussion模块中查看学习

2，训练资源薅羊毛：

除了Kaggle，其实还有不少类似的平台；

DrivenData

CrowdANALYTIX

InnoCentive

TundIT

Codalab

Analytics Vidhya

CrowdAI

Numerai

Data Science Challenge

KDD Cup

天池

腾讯广告算法大赛

Kaggle介绍
猫敷雪
09-16 8203
5.1 kaggle比赛介绍 5.1.1 Kaggle 平台简介 Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆（Anthony Goldbloom）2010年在墨尔本创立的，主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。该平台已经吸引了80万名数据科学家的关注，这些用户资源或许正是吸引谷歌的主要因素。 通俗的说，Kaggle上面有着各种高质量的数据集，...
高效的开发流程搭建，kaggle提交流程示范
weixin_46713695的博客
10-03 455
高效的开发流程搭建
【AI必备利器】GPU薅羊毛指南
little_spice的博客
08-29 3694
现在免费的gpu资源有不少，但很多都限值了只能用自己公司的框架，今天我来给大家分享3个框架不受限制的免费GPU资源。对算法小白用来试手、研究生跑实验极其友好~
薅羊毛tips：kaggle平台免费GPU使用教程
学姐带你玩AI的博客
02-07 5136
一些常见的问题和实用tips
使用免费的GPU进行深度学习 Colaboratory的使用 薅羊毛啦
qq_43363657的博客
01-24 928
一、GPU使用概述 GPU是深度学习的必需品，一般的电脑只有CPU。笔记本添加GPU是不太现实的，台式机也会有不同厂家、不同型号的魔咒，因此使用线上的GPU就非常的方便，现在也有很多的收费GPU，是按照时间去收取GPU的费用的。比如极算云、矩池云等等，价格在2-10/h，其实还行。但是我发现竟然有免费的GPU，这些GPU大都是一些大公司提供给深度学习的用户的，例如Google的kaggle、Colaboratory，百度的飞桨（需要人工审核，有的信息还是很隐私的）。相比这几种，kaggle其实是一个..
3 个可以薅羊毛的在线 Jupyter Notebook环境
deephub
08-10 8360
Jupyter Notebook 是许多数据科学家的主要环境，尤其是那些使用 Python 作为主要编程语言的人。 IDE 非常适合探索数据和开发机器学习模型。 但是，有时本地的 Jupyter Notebook 无法满足计算资源的要求——这就是我们需要寻找其他替代方案的原因。 Deepnote Deepnote 是一款浏览器Jupyter Notebook，用于与团队协作工作。 Deepnote 适合单人工作，因为 Notebook 功能齐全； 然而，它是为了实时工作集成而开发的。 我们来看看整个 Not
[Pytorch框架] 5.1 kaggle介绍
yegeli的博客
04-17 1098
文章目录5.1 kaggle介绍5.1.1 Kaggle平台简介比赛介绍5.1.2 Kaggle板块介绍DataRulesTeamKernelsDiscussionLeaderboard5.1.3 Kaggle竞赛的排名机制5.1.4 Kaggle薅羊毛指南5.1.5 其他的一些数据竞赛平台 5.1 kaggle介绍 5.1.1 Kaggle 平台简介 Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆（Anthony Goldbloom）2010年在墨尔本创立的，主要为开发商和数据科学家提供举办机器
薅羊毛 Colab使用外部数据的7种方法！
夕小瑶科技说
09-24 375
文 | Coggle源 | Coggle数据科学Colab作为非常强大且优惠的计算平台，一直广受大家喜爱。可以随时随地使用，还有免费的GPU可以薅羊毛。那么如何在Colab中使用外部数据集...
手把手教你打kaggle竞赛part-1
管住嘴也能迈开腿的Miracle_tb_cool
12-08 1296
3、如何删除上传数据集
使用kaggle GPU跑自己的模型
热门推荐
张壮壮的博客
03-29 3万+
最近想训练一个模型，奈何自己电脑的GPU太拉胯根本带不动，用cpu跑跑一整天才跑完一个epoch，真的心累，于是乎，我把目光投向了云GPU。然后kaggle的云GPU瞬间吸引了我的目光，好家伙，不要钱还好操作，这波羊毛难道不薅？！冲冲冲！！！ kaggle官网： 地址 （一）注册 虽说薅羊毛很快乐，但是刚开始薅的时候还是要花点儿功夫的，注册的时候我就折腾了一会儿。 1.点击右上角“Register”注册 2.选择邮箱 3.人机验证 这里一直让我填写验证码：Captcha must be filled out
在Kaggle上运行gprMax
sinat_24259567的博客
07-06 451
在Kaggle上运行gprMax 之前写过一个在Google Colab上运行gprMax的教程，现在更新一个在Kaggle上运行gprMax的教程，让羊毛薅到底。在Kaggle上部署gprMax环境很简单，因为Kaggle内置的conda环境，所以只需要安装gprMax环境就行了。 1.在Kaggle上打开新notebook 当然首先你要确保你有Kaggle账号了。 其次确保GPU是可用状态。 2.安装gprMax 这里我没有选择在conda里新建一个gprMax环境，而是直接将gprMax环境安装至
Kaggle Competition 进阶 -- House Prices Prediction 房价预测 Part 2
JingPNnXxx的博客
10-02 637
Kaggle上的House Price预测项目，使用Ames, Iowa, US地区房产交易数据拟合房屋特征与交易价格的相关关系。这次添加了pipeline的特征处理方法，比较了不同特征值在Lasso模型中的重要性，使用两层的stacking方法完成了最后的模型。
快速了解机器学习
wzdzgdf的博客
08-02 1015
机器学习是人工智能（AI）的核心分支，它让计算机能够通过数据 “自主学习” 并改进，而无需被明确编程。简单来说，机器学习的目标是构建能从经验（数据）中学习规律的模型，使其在新数据上做出准确预测或决策。
17day-人工智能-机器学习-分类算法-KNN
2401_87710133的博客
08-05 772
knn算法全名叫做k-近邻算法（K-Nearest Neighbors，简称KNN），看到名字是不是能想到是算距离的，第一个k是指超参数的意思，就是可以认为设置的意思，这里是指最近的k个样本。
机器学习第三课之逻辑回归（二）LogisticRegression
m0_74977182的博客
08-01 1425
本文介绍了逻辑回归模型的分类评估方法和正则化技术。主要内容包括：1）混淆矩阵中的TP、FP、FN、TN概念及准确率、精确率、召回率、F1-score等评估指标；2）正则化惩罚项（L1/L2）的作用原理及其对模型过拟合的调节；3）欠拟合和过拟合的原因及解决方法；4）K折交叉验证的原理和实现方法，用于模型调参；5）通过信用卡欺诈检测案例，演示如何使用交叉验证选择最优正则化参数C值，提升模型在召回率指标上的表现。文章结合理论解释和Python代码实现，帮助读者掌握逻辑回归模型评估与优化的关键方法。
译|Netflix 数据平台运营中基于机器学习自动修复系统
素质云笔记
08-02 782
译|Netflix 数据平台运营中基于机器学习自动修复系统
python学智能算法（二十九）|SVM-拉格朗日函数求解中-KKT条件理解
专注python+工程实践的热心婶子
07-31 688
本文介绍了KKT条件在带约束优化问题中的应用原理。通过"力的平衡"类比，阐释了KKT五大规则：目标函数梯度与约束梯度加权和平衡（拉格朗日乘子权重）；不等式约束条件的边界限制；拉格朗日乘子非负性保证方向正确；互补松弛性确保未激活约束不影响；等式约束严格成立。这些条件共同判断优化问题中既满足约束又无法改进的局部最优解。文章以直观的物理类比帮助理解数学优化条件，为后续应用奠定理论基础。
《零基础入门AI：传统机器学习进阶（从拟合概念到K-Means算法）》
最新发布
m0_75034893的博客
08-05 966
本文详细介绍了欠拟合与过拟合问题及其解决方案，特别是正则化技术。然后深入讲解了两种正则化线性回归——岭回归和拉索回归，包括它们的数学原理和实际应用。接着介绍了逻辑回归这一重要的分类算法，最后探讨了无监督学习中的K-means聚类算法。这些算法构成了传统机器学习的基础知识体系，理解它们的原理和适用场景对于构建有效的机器学习模型至关重要。在实际应用中，通常需要根据具体问题和数据特点选择合适的算法，并通过交叉验证等方法调优参数。
机器学习：开启智能时代的钥匙
2302_76568160的博客
08-01 569
简单来说，机器学习是人工智能的一个重要分支，它让计算机能够在没有明确编程的情况下自主学习和改进。传统的编程模式中，程序员需要编写详细的指令，告诉计算机每一步该做什么；而机器学习则颠覆了这种模式，它通过设计算法，让计算机从数据中自主发现规律，进而实现对未知事件的预测或决策。打个比方，假设我们要让计算机识别图片中的猫。
Kaggle
03-22
### Kaggle 数据科学竞赛平台概述 Kaggle 是一个专注于数据科学和机器学习的竞赛平台，为全球范围内的数据科学家、机器学习工程师以及数据分析爱好者提供了丰富的资源和支持[^1]。该平台不仅支持各类比赛活动，还允许用户分享自己的项目成果并参与讨论，从而促进整个社区的技术进步。 #### Kaggle 的核心功能 Kaggle 提供了一系列的功能模块，旨在满足不同层次用户的多样化需求： - **竞赛板块**：这是 Kaggle 最具吸引力的部分之一，在这里可以找到由企业或研究机构发起的各种挑战赛。参赛者需利用给定的数据集构建预测模型或其他解决方案以解决问题[^3]。 - **数据集共享区**：除了官方组织的比赛外，Kaggle 还拥有海量公开可用的数据集合，覆盖多个领域如医疗健康、金融经济等。这些高质量的数据对于初学者练习技能或者研究人员探索新方向都非常有帮助[^2]。 - **课程教程**：为了降低入门门槛,Kaggle 设计了一些免费在线教育内容,包括但不限于Python编程基础、统计学概念介绍以及深度神经网络原理讲解等等。这对于刚接触AI行业的新人而言无疑是巨大的福音。 - **论坛交流群组**：当遇到困难时不必担心孤立无援——活跃于Kaggle 论坛中的成员们乐于互相解答疑问；同时也可以加入特定兴趣小组与其他同行建立联系网路。 以下是获取更多关于如何有效使用此强大工具的信息的一些方法: ```python import kaggle # 设置API令牌 (需要先注册账户并通过验证) kaggle.api.authenticate() # 下载指定名称的数据集到当前工作目录下 dataset_name = 'zynicide/wine-reviews' kaggle.api.dataset_download_files(dataset_name, path='./', unzip=True) ``` 上述脚本展示了怎样借助 Python 脚本来自动化完成从下载公共资料库的操作过程。
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