代碼如下：
train_full.info(verbose=True, null_counts=True)
我在git上push了我的代碼。同時做成jupyter view。 csdn取消了對jupyter view的支持,請移步。
這裏記錄我在解決1st place 方案時積累的知識. 1*1的卷積核的作用:可以增加通道或者降低通道數量,減少訓練參數. Xception: 綜述 Momentum優化SGD 遷移學習：根據數據集分四種情況，1.數據集比較小且
1.今天接到一個電話面試，上來就問我怎麼檢查單鏈表有環。 思路：如果一個單鏈表中有環，用一個指針去遍歷，永遠不會結束，所以可以用兩個指針，一個指針一次走一步，另一個指針一次走兩步，如果存在環，則這兩個指針會在環內相遇，時間
作爲一個機器學習小白，之前拿titanic數據集練過手，遇到波士頓房價數據集（81個特徵）剛開始是有點懵，主要就懵在不知道如何下手處理數據，參考一些資料後，勉強跑通了流程，在此記錄一下。大神請自動繞過。 1、加載數據集 數據集可以到kag
Display Advertising Challenge ---------2015/1/12 一：背景 CriteoLabs 2014年7月份在kaggle上發起了一次關於展示廣告點擊率的預估比賽。CriteoLabs是第三方展示
前言 第一次嘗試Kaggle，是經典的手寫數字識別的例子，其實這個MNIST數據集識別已經玩膩了，只不過這次是在Kaggle上，用他完成一整套的競賽流程，爲以後的大數據競賽做好準備，其實，對我而言，這次的MNIST數據集識別與平時
這一篇繼上一篇（機器學習實踐之手寫數字識別 － 數據初識） 這一篇主要對測試集數據（train.csv）進行簡單特徵分析，並進行簡單線性迴歸識別。 識別率能夠達到家 85%左右，沒識別正確的數據也打印出來，方便對數據進行進一步分析。 代碼
前言 在剛剛結束的kaggle比賽M5 Forecasting - Accuracy中，因爲是第一次參加，筆者也是花了大量的時間和精力在上面，歷時4個月,最終拿到一塊銀牌（所以我拿到了大學第一個考試掛科。。。求求電磁場老師高擡貴手
下週一平安科技的遠程面試，準備30分鐘的PPT，主要是介紹相關項目經驗，着重技術，代碼，模型，算法等方面 今天大致看了一下kaggle上面的入門級比賽，主要是熟悉一下流程 首先要註冊kaggle賬號，我用的是gmail郵箱登錄的
kaggle入門（一） house price 題目地址：https://www.kaggle.com/c/house-prices-advanced-regression-techniques/overview 1.檢
Kaggle的數據科學黑客大會最有趣和最具挑戰性的一件事是：在公共和私有的排行榜中，努力保持同樣的排名。當我的結果在一個私有的排行榜進行驗證時，我就失去了共有的排名。 你有沒有想過是什麼原因導致了這些排名的高差異?換句話說，爲什
Instacart Market Basket Analysis kaggle賽題鏈接 數據理解 比賽使用的數據僅包含交易數據，不包含瀏覽數據。主要由以下幾張表構成： 訂單表 orders（訂單ID，用戶ID，所屬數據集，該用
目 錄 0、概述 1、Anaconda的準備 2、導入必需包和數據集 3、數據分析 3.1 數據概覽 3.2 數據初步分析 3.2.1 Pclass 客艙等級 3.2.2 Sex 性別 3.2.3 Age 年齡 3.2.4 SibSp
分析數據-設置驗證集-檢查數據泄露 分析步驟： 瞭解領域知識 搜索關鍵詞，搜索數據的含義 檢查數據是否存在異常值，超出範圍的值 理解如何生成特徵 分析匿名數據（Anonymized data） 對於某些數據
均值編碼（mean ecoding） 1）有監督類型的編碼方式：根據label進行編碼，在類別Moscow中的feature_mean = #(target=1)/#Moscow（注意與frequency encoding編碼的區別）
