Kaggle

ShowMeAI资讯日报 08-18 期，StemRoller音源分离工具、 Nativefier将网页转换成桌面应用、OpenKS知识学习与计算引擎、论文提交准备的python脚本、前沿论文…

ShowMeAI资讯日报 07-21 期，元宇宙登上『时代』杂志封面，DeepFit 跟踪健身时人体姿态，使用 Transformer 合成多轨音乐，反编译资源管理器， 北欧AI夏令营学习资料…

大家好，我是Peter~ 今天给大家带来的是kaggle上面一份关于肿瘤数据的统计分析，适合初学者快速入门，主要内容包含： 基于直方图的频数统计 基于四分位法的异常点定位分析 描述统计分析 基于累计分

大家好，我是Peter~ 今天给大家带来一篇新的kaggle文章：极度不均衡的信用卡数据分析，主要内容包含： 理解数据：通过直方图、箱型图等辅助理解数据分布 预处理：归一化和分布情况；数据分割 随机采

大家好，这里是尤而小屋~ 基于一份超市消费数据集的用户个性化分析以及用户细分分群的实现，文章主要是从人、货、促销、地点等4个方面进行分析 原数据集地址： https://www.kaggle.com/

前段时间我们分享了怎么免费用谷歌的 GPU 训练机器学习模型，详情戳这里。 可能有些朋友不是很熟悉 Kaggle Kernels，但 Kaggle 应该知道，至少搞数据科学和机器学习的会听说过 Kaggle 挑战赛。Kaggle 是一个用来从事数据科学研究或分享数据科学知识的平…

大家好，我是Peter~ 很多读者问过我：有没有一些比较好的数据分析、数据挖掘的案例？答案是当然有，都在Kaggle上啦。 只是你要花时间去学习，甚至是去打比赛。Peter本身是没有参赛经验，但是也会

大家好，我是Peter~ Titanic数据是一份经典数据挖掘的数据集，本文介绍的是kaggle排名第一的案例分享。原notebook地址： https://www.kaggle.com/startu

本文介绍了采用Colab Pro 和 Google 硬盘来完成 Kaggle 上比赛的方法，这种方法虽然需要付费，但是可以用性能更好的 GPU 显卡或者 TPU，并且训练会话时间也更加长。

能在 Kaggle 竞赛中取得金牌已经是一项挑战了，而成为 Kernel Grandmaster 甚至是可遇不可求。而近日，毕业于莫斯科国立大学的数据科学家Andrey Lukyanenko在一次竞赛中达成Kaggle金牌，并在Kernel Grandmaster排名全网第一。

@Author:Jasperyang@School:BUPT这篇文章同时在知乎里放着～写在前面Kaggle的数据挖掘比赛近年来很火，以至于中国兴起了很多很多类似的比赛，做了两个这种类型的比赛了，Jda

kaggle

2013年的时候，Kaggle曾组织过一次人脸表情识别大赛，参赛者要搭建一个模型，识别7种人类面部表情。虽然好几年过去了，期间也陆续出现了一些研究成果，但这依然是个很有趣的课题。在本文，我（作者Sefik Serengil——译者注）会展示如何用Keras识别人物面部表情。 我…

最近一直在研究深度学习，每一种深度学习算法都让我感觉打开了新世界的大门。 没想到第一次在kaggle上随便参加了个简单比赛就取得了前5%的成绩，虽然只是一个简单的比赛，但是这个结果也让初学者的我非常开心。 目前我的模型的识别率是99.771%，爬到52名之后就往上爬不动了。如果…

有时，当遇到一个数据问题的时候，对于数据集，我们必须首先深入研究并了解它。了解它的性质，它的分布等等，这是我们需要专注的领域。 今天，我们将利用 Python Pandas 框架进行数据分析，并利用 Seaborn 进行数据的可视化。 作为一名极客程序员，我的审美观念很低。Se…

本文以Kaggle比赛Titanic入手，介绍了特征工程的几个方法，最后训练了三个模型(RF,GBDT,SVM)并使用了一个集成方法(Voting Classifier)进行预测。 下面是kaggle对于这个比赛的介绍。 简单来说就是已知乘客的各种信息，去推断这名乘客是否会幸存…

AI 前线导读：”Kaggle 是机器学习和数据科学领域比较权威的数据建模和数据分析竞赛平台，近日 Kaggle 发布了免费的线上学习项目 Kaggle Learn，这对于想要学习机器学习和数据科学的人来说无疑是个福音。该课程更重视代码实践，相比阅读代码，用户需要花更多的时间自…

作者：七月在线彭老师说明：本文最初由彭老师授权翟惠良发布在公众号“七月在线实验室”上，现再由July重新编辑发布到本blog上。Github: https://github.前言    根据我个人的经验，学好AI，有五个必修：数学、数据结构、Python数据分析、ML、DL，必修...

上一篇是数据挖掘的前戏，主要目的是认识数据特征、判断特征重要性、观察数据异常，掌握数据间联系。本篇将继续上一篇分析进行数据挖掘建模部分。 数据预处理涉及的内容很多，也包括特征工程，是任务量最大的一部分。为了让大家更清晰的阅读，以下先列出处理部分大致要用到的一些方法。 1. 数据…

好奇心和直觉是数据科学家最强大的两个工具。第三个可能就是 Pandas 了。 我在 上一篇文章 中，展示了如何了解一个数据集的完整性，并绘制一些变量，以及查看随时间变化的趋势和倾向。 为此，我在 Jupyter Notebook 上使用了 Python 的 Pandas 框架 …