【文件属性】：
文件名称：ClassificationUsingScikitLearn:通过scikit-learn学习学习
文件大小：39KB
文件格式：ZIP
更新时间：2021-05-19 10:05:15
Python
分类使用Scikit了解
通过scikit-learn学习学习。 Kaggle是对机器学习感兴趣的人的理想之地。 许多用户积极地在论坛中发布有用的信息，以帮助人们入门。
Kaggle Otto组分类挑战：
该目录包含我在Kaggle otto挑战中对BoilerUp团队的一些贡献。 nn_otto_ensemble_v8.6.py是我们的最佳尝试之一。
有关问题的数据和描述，请访问： ：
提供了61878个enetries作为培训数据。 训练数据的每个条目均包含93个要素，并被标记为9个类别之一。
我们使用了4个模型的集合：
一个具有2000个决策树的随机森林模型，每个树不允许使用40个以上的特征，并且通过限制每个决策树的max_depth = 45，min_samples_leaf = 1，min_samples_split = 5来进行调节；
在学习速率为0.01的情况
【文件预览】：
ClassificationUsingScikitLearn-master
----kdd2015()
--------model_ep.py(18KB)
--------README.md(4KB)
--------kdd_model.py(25KB)
----nn_otto_ensemble_v8.6.py(13KB)
----test_sklearn_models.py(7KB)
----junk()
--------model_ep.py(18KB)
--------README.md(33B)
--------kdd_model.py(21KB)
----README.md(2KB)
----rf_module.py(13KB)
----nn_module.py(6KB)
----otto_postdeadline_v1.py(16KB)