文件名称：kaggle_random_acts_of_pizza:Kaggle比赛
文件大小：2.82MB
文件格式：ZIP
更新时间：2024-06-04 05:51:22
Shell
kaggle_random_acts_of_pizza Kaggle竞争。 大事记 下载数据并弄清楚如何将其导入python / numpy对象，以便可以使用SKLearn处理它。 将获得的数据分为训练和开发数据，以运行自己的实验。 建立基准并提交给Kaggle进行验证。 对于提交，您可能应该在所有数据上训练模型。 向您的讲师发送指向排行榜的链接，该链接显示您的基线得分。 截止日期：7/14 简要概述我们已经完成的工作和计划要做的事情。 截止日期：7/28 尝试不同的型号和参数设置。 设计新功能。 使用特征选择技术。 检查错误并进行迭代。 看看我们可以在排行榜上取得多少进展。 在ipython笔记本中综合我们的工作。 我们希望让您的笔记本公开，并尽可能地帮助入门机器学习的人们。 我们对使我们学到的概念更清晰的实验和分析感兴趣，而不是我们在排行榜上的排名（尽管良好的表现会使人们
【文件预览】：
kaggle_random_acts_of_pizza-master
----.ipynb_checkpoints()
--------final-submission-checkpoint.ipynb(31KB)
--------EricWhyne-checkpoint.ipynb(3KB)
----wordcount.ipynb(7KB)
----test-submission-worked.png(83KB)
----sampleSubmission.csv(18KB)
----metadata_logistic_regression_submission.csv(18KB)
----test-submission.csv(18KB)
----submission_zeros.csv(21KB)
----EricWhyne.ipynb(5KB)
----test.json(2.88MB)
----Filip_Revised.ipynb(14KB)
----james_route_10aug.ipynb(25KB)
----README.md(2KB)
----ray_buhr.ipynb(419KB)
----james_route.ipynb(18KB)
----lazypush(68B)
----final-submission.ipynb(31KB)
----submission_knn49.csv(18KB)
----train.json(11.99MB)