在lintcode刷AI题：Otto Group 商品识别

最新推荐文章于 2022-06-07 11:32:19 发布
最新推荐文章于 2022-06-07 11:32:19 发布
阅读量1.2k 收藏 5
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 深度学习 文章标签： 深度学习 机器学习 数据挖掘
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/yuweiming70/article/details/80856003
本文介绍了如何在LintCode上利用Keras框架进行深度学习实践，通过处理数据、建立93到9类的神经网络模型并进行预测，解决商品分类问题。最终在竞赛中取得了0.70214的得分。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

lintcode上面有十几道类似于Kaggle的小项目，用于深度学习的入手练习再好不过了，现在就让我们上手这道猫狗分类器的问题吧！

（全程用Keras框架，简单上手！）

本题网址：LintCode

题目描述：

Otto Group是世界上最大的电子商务公司之一，在全世界范围内，它每天会卖出数百万件商品。每件商品所属的类别分别是Class_1～ Class_9。对于这家公司的来说，货物供给和需求分析是非常重要的信息。现给定一些商品的多个特征，你需要设计一个算法模型来判断一个商品所属的类别。

一 下载，处理数据

这道题给出的是约5w个商品的93个特征，这些商品分属9类，要做的是根据93个特征求出这些商品是哪一个类的。

下面让我们先整理数据：将N*93大小的特征数据处理为numpy数组，然后把每样商品的分类改变成9维的one-hot形式（类似于1,0,0,0,0,0,0,0,0代表的是第一类）

最低0.47元/天 解锁文章

200万优质内容无限畅学
Kaggle比赛-Otto Group Product Classification-打败一半参赛队伍的简单解法
wepon的专栏
03-24 7364
简介Otto Group Product Classification Challenge是Kaggle上目前正在进行的一个比赛，目前已1000+队伍参赛，由Otto公司赞助1W美刀，数据也是来自于该公司的产品，提供了train.csv、test.csv、samplesubmission.csv三份数据。train.csv里包含了6万多个样本，每个样本有一个id，93个特征值feat_1~feat_
otto-group-product-classification-challenge.zip
03-11
otto-group-product-classification-challenge数据
otto-group-product-classification-challenge 神经网络 分类训练
kids_budong_c的博客
03-04 1856
otto-group-product-classification-challenge 神经网络 分类训练
otto案例介绍 -- Otto Group Product Classification Challenge【xgboost实现】
风口IT猪的成长录
07-26 2937
【机器学习】otto案例介绍1. 背景介绍2. 思路分析3. 代码实现3.1 数据获取3.2 数据基本处理3.2.1 截取部分数据3.2.2 把标签值转换为数字3.2.3 分割数据3.2.4 数据标准化3.2.5 数据PCA降维3.3 模型训练3.3.1 基本模型训练3.3.2 模型调优3.3.2.1 确定最优的estimators3.3.2.2 确定最优的max_depth3.3.2.3 依据上面模式,运行调试下面参数3.3.3 最优模型 1. 背景介绍 奥托集团是世界上最⼤的电⼦商务
Otto Group Product Classification(奥托集团产品分类)-数据集
03-18
Otto Group provided a dataset with 93 features for more than 200,000 products. Otto Group为超过20万个产品提供了具有93个特性的数据集。 sampleSubmission.csv train.csv test.csv
kaggle-otto-group-product-classification-challenge:Otto Group 产品分类挑战
06-05
Kaggle.com 上的 Otto Group 产品分类挑战赛 入门 用 brew 安装 R brew tap homebrew/science brew install r 安装 RStudio
基于Python Otto Group 商品识别【100011300】
03-22
本题是一个典型的多分类问题先从 train.csv 中提取每个商品的多项特征（feature）和类别(label)，使用 feature 和 label 进行模型训练。商品的每个特征都是数值型，在使用 SVM 等分类器时注意将数据范围标准化。题目...
基于python的SVM算法预测模型的Otto Group商品识别系统.zip
06-16
本题是一个典型的多分类问题先从train.csv中提取每个商品的多项特征（feature）和类别(label)，使用feature和label进行模型训练。商品的每个特征都是数值型，在使用SVM等分类器时注意将数据范围标准化。题目要求预测...
lintcode-AI:lintcode上AI修订的所有源代码，个人所写，非标准答案，尽力将分数刷到更高
03-23
lintcode-AI lintcode上AI修订的所有源代码，个人所写，非标准答案，尽力将分数刷到更高 ...Otto Group商品识别，围绕0.70214，去掉前面一堆loss == 0的团队后，7/24 垃圾短信分类，热门1.0000，3 / 108
基于python的SVM算法预测模型的Otto Group商品识别系统 文档+源码及数据
毕业作品网站
02-16 1794
SVM（support vector machines）支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。当训练样本线性不可分时，通过核技巧和软间隔最大化，学习一个非线性支持向量机，核函数通常会使用高斯核函数。该实验的数据有93个特征，一个类别标签，分为9类，显然是一个多分类问题。按照SVM的解决方法会将数据映射到高维，映射到高维无疑会增加计算的复杂度，而且是指数式增加。关键词： 多分类，SVM，决策树，随机森林，神经网络。
kaggle-otto:Kaggle 上 Otto Group 产品分类挑战的方法描述
06-05
Kaggle Otto Group 分类挑战赛 这是我参加过的最有趣的挑战之一，原因如下： 数据量小 特征已经给出，但不知道它们的含义（这对我来说使特征工程变得不可能） 论坛上有很多有趣的想法——我在 scikit-learn、XGBoost、nolearn 和 Lasagne 中了解了校准分类器 所以主要的比赛是关于调整分类器的，我以前从未真正做过，至少在如此大量的情况下，这是一次很好的经验和机会，可以了解更多关于各种分类方法的各种参数。 如果我对神经网络有更多的了解，我想我会得到更高的分数，但我有点被它们困住了，并且无法获得其他一些论坛用户获得的极低分数（0.42 左右，如果我正确回忆）。 可以在此处找到我所有提交的完整列表（及其分数）： : 描述所用神经网络架构的配套列表可以是在这里找到： : 我最好的结果是混合了多个模型，即 3 个平均神经网络（每个是 4 个网络的平均
otto数据集及案例.rar
05-17
otto数据集及案例
kaggle_otto:Otto Group 产品分类挑战
06-05
Otto Group 产品分类挑战 介绍 Otto Group 是全球最大的电子商务公司之一，在 20 多个国家设有子公司，包括 Crate & Barrel（美国）、Otto.de（德国）和 3 Suisses（法国）。 我们每天在全球销售数百万种产品，其中数千种产品被添加到我们的产品线中。 对我们产品的性能进行一致的分析至关重要。 然而，由于我们多样化的全球基础设施，许多相同的产品分类不同。 因此，我们产品分析的质量在很大程度上取决于对相似产品进行准确聚类的能力。 分类越好，我们就能对我们的产品范围产生更多的见解。 在本次比赛中，我们为超过 200,000 种产品提供了一个包含 93 个特征的数据集。 目标是建立一个预测模型，该模型能够区分我们的主要产品类别。 获奖模型将开源。 93个数字特征
奥拓产品分类训练数据集
08-17
用于随机森林案例
HCIA-AI题库（有答案）.pdf
06-06
Q4 TensorFlow支持多TPU集群计算 A.正确。 B.错误 Answer: A Q5 关于深度前馈网络描述正确的是? A.深度前馈网络是神经网络的一种。 B.深度前馈网络只有一个隐藏层 C.深度前馈网络隐藏层上的unit一般会有无数个。 D.深度前馈网络用于处理线性问题 Answer: A Q6 关于 Python元组描述正确的是? A.列表与元组不同之处在手元组的元素不能修改。 B.列表使用方括号,元组使用小括号。 C.元组创建很简单,只需要在括号中添加元素,并使用逗号隔开即 D.元组中只含一个元素时,需要在元素后面添加逗号
003_wz_kaggle之Otto Group Product Classification Challenge多分类问题
王泽的随笔
03-23 968
一、目的 对kaggle上的Otto Group Product Classification Challenge项目进行多分类，数据集中每个个体提供93个特征，分9类。 二、编程 数据集官网下载即可，https://www.kaggle.com/c/otto-group-product-classification-challenge/data，还可以看到训练集与测试集的细节以及需要提交怎样的预测文件。 使用pytorch框架，本次搭建4层神经网络，使用relu和softmax激活函数。 下面是本次编程使
PyTorch深度学习（B站刘二大爷）第九讲作业 Otto Group Product Classification
By_Liu的博客
06-07 579
PyTorch深度学习（B站刘二大爷）第九讲 Otto Group Classification
kaggle：Otto Group Product Classification简单代码
LYROOO的博客
04-09 978
简介及相关链接： 在b站上看的一个视频B站xgboost课程。讲了xgboost相关的理论知识后，用kaggle上的Otto Group Product Classification数据集进行分类任务。 1、首先导入模块 from xgboost import XGBClassifier import xgboost as xgb import numpy as np import pa...
Keras-3 Keras With Otto Group
记录学习的过程
11-19 779
Otto 分类问题这里，我们将对Otto数据集进行分类。 本文主要参考 2.3 Introduction to Keras。个人觉得这是一个很好Keras教程，希望大家也去学习学习。 关于Otto，可以在 otto group 找到更多详细的材料 本文主要关注代码的实现，具体细节和基本概念不会详细展开 让我们开始吧就像以前说过的那样，处理一个问题主要分为三个部分：数据准备，模型构建和模型优化导入模块
Python实现基于SVM的Otto Group商品多分类识别
资源摘要信息:"基于Python Otto Group 商品识别【***】" 知识点概述： 本资源是关于使用Python语言来处理多分类问题的示例项目。在这一项目中，需要从给定的数据集中提取特征，并训练一个模型以预测商品类别。项目...
评论 4
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