【文件属性】：
文件名称：kaggle-for-fun：我曾经参加过的Kaggle竞赛的所有参赛作品
文件大小：18.36MB
文件格式：ZIP
更新时间：2021-02-05 23:49:54
python neural-network scikit-learn kaggle mnist
有趣的卡格勒
我参加和即将参加的Kaggle比赛的所有参赛作品。
我可能会用Python（利用scikit-learn或类似的库）编写所有内容，但是如果可以的话，偶尔我也可能会使用R或Haskell。
因为我认为这是我的游乐场，所以在此存储库中编写的代码可能非常草率。 如果您有兴趣，请随时做出贡献。
avazu-ctr预测
Avazu的CTR预测比赛-
我的解决方案利用GradientBoostingClassifier和一些预处理/工程流程功能。
就对数损失而言，它的得分为0.4045696 ，而第一名的得分为0.3818529 （截至2014年2月2日）。
数字识别器
数字识别
【文件预览】：
kaggle-for-fun-master
----otto-group-classification()
--------otto-group-classification.py(5KB)
--------data()
----avazu-ctr-prediction()
--------avazu-ctr-prediction.py(6KB)
--------data()
----liberty-mutual-group-property-inspection-prediction()
--------liberty-mutual-group-property-inspection-prediction.py(7KB)
--------data()
--------xgb-native.py(4KB)
----digit-recognizer()
--------digit-recognizer.py(4KB)
--------data()
----utils.py(2KB)
----requirements.txt(110B)
----how-much-did-it-rain-ii()
--------sample.py(2KB)
--------data()
--------rain.py(10KB)
----sf-crime-classification()
--------sf-crime-classification.py(6KB)
--------sf-crime-classification-xgb-native.py(8KB)
--------data()
----README.md(5KB)
----.gitignore(115B)
----springleaf-marketing-response()
--------0.8x.py(1KB)
--------springleaf-xgb-native.py(9KB)
--------benchmark.csv(36KB)
--------data()
----rossmann-store-sales()
--------overfit-result.py(2KB)
--------rossmann-native-xgb.py(5KB)
--------rossmann.r(4KB)
--------rossmann-native-xgb-mine.py(8KB)
--------data()
--------rossmann.py(5KB)
----homesite-quote-conversion()
--------homesite.py(7KB)
--------data()
----titanic()
--------titanic.py(4KB)
--------data()
--------titanic_simple.py(4KB)