文件名称：Pet_Adoption:PetFinder.my收养预测
文件大小：9.08MB
文件格式：ZIP
更新时间：2024-04-05 21:15:43
deep-learning pytorch JupyterNotebook
介绍 是Kaggle面临的挑战，目标是使用马来西亚领先的动物福利平台PetFinder.my提供的在线个人资料和元数据来预测宠物的可采纳性。 主管：Erwan Scornet（法国理工学院） 数据 训练数据：14993只宠物 测试数据：3972只宠物 资料栏位 结构化数据 PetID-宠物资料的唯一哈希ID AdoptionSpeed-分类采用速度。 降低速度更快。 这是可以预测的值。 类型-动物的类型（1 =狗，2 =猫） 名称-宠物名称（如果没有命名，则为空） 年龄-列出的宠物年龄，以月为单位 Breed1-宠物的主要品种（请参阅BreedLabels词典） 品种2-宠物的次生品种，如果宠物是混合品种（请参阅BreedLabels词典） 性别-宠物的性别（如果个人资料代表宠物群，则为1 =男性，2 =女性，3 =混合） Color1-宠物的Color 1（请参阅Colo
【文件预览】：
Pet_Adoption-master
----.ipynb_checkpoints()
--------test-checkpoint.ipynb(11KB)
--------visualize-checkpoint.ipynb(375KB)
--------data_exploration-checkpoint.ipynb(259KB)
----data_exploration.ipynb(259KB)
----gbdt.py(2KB)
----.DS_Store(8KB)
----train.py(10KB)
----visualizations()
--------mse_loss.png(18KB)
--------catemb_3dtsne.png(125KB)
--------qwk.png(20KB)
--------catemb_2dtsne.png(79KB)
--------rawdata_hist.png(56KB)
----metric.py(576B)
----requirements.txt(3KB)
----visualization.py(2KB)
----embedding.py(2KB)
----README.md(4KB)
----visualize.ipynb(375KB)
----encoder.py(3KB)
----Papers()
--------Entity Embeddings of Categorical Variables.pdf(1.01MB)
--------NeurIPS-2019-modeling-tabular-data-using-conditional-gan-Paper.pdf(1.78MB)
--------DeepGBM- A Deep Learning Framework Distilled by GBDT for Online Prediction Tasks.pdf(1.48MB)
--------Applying Deep Learning To Airbnb Search.pdf(4.63MB)
----.gitignore(129B)
----petdata.py(12KB)
----NN.py(1KB)