文件名称：Avito_demand_prediction_2018:Avito_demand_prediction_2018解决方案，第131位，铜牌
文件大小：478KB
文件格式：ZIP
更新时间：2024-05-29 11:59:23
JupyterNotebook
阿维托需求预测 这是我参加了Kaggle上的第一场严肃的机器学习竞赛。 我的团队中有4个人，如果我们一个人尝试，我们将不会成功。 我们获得了第131位（排名前7％）和铜牌。 该存储库包含一些我在比赛中使用的脚本和jupyter笔记本。 文件说明 文本嵌入和图像关键点。ipynb-获取文本嵌入并从图像中提取关键点； text2nan.ipynb-用神经网络预测填充缺失值； NN_latest.ipynb-我的尝试是深度学习； LGB.ipynb，Avito.ipynb-具有建模功能的笔记本电脑，有点混乱； 评估.py修改过的脚本以提取NIMA功能（最初是从此）； dataprocesser.py-我用于数据处理的主脚本，具有很多参数，可以更改； fasttext.py，word2vec.py-使用所有可用文件从头开始训练嵌入的脚本； features.py-处理文本并创建元
【文件预览】：
Avito_demand_prediction_2018-master
----features.py(6KB)
----.ipynb_checkpoints()
--------NN_latest-checkpoint.ipynb(81KB)
--------Text embeddings and image keypoints-checkpoint.ipynb(13KB)
--------nima check-checkpoint.ipynb(61KB)
--------LGB-checkpoint.ipynb(377KB)
--------Avito-checkpoint.ipynb(284KB)
--------text2nan-checkpoint.ipynb(24KB)
----LGB.ipynb(377KB)
----text2nan.ipynb(24KB)
----word2vec.py(3KB)
----NN_latest.ipynb(81KB)
----evaluate_mobilenet.py(3KB)
----nn_functions.py(6KB)
----Avito.ipynb(284KB)
----evaluate_nasnet.py(2KB)
----README.md(2KB)
----evaluate_inception_resnet.py(3KB)
----dataprocesser.py(30KB)
----.gitattributes(66B)
----singlemodel.py(7KB)
----fasttext.py(3KB)
----Text embeddings and image keypoints.ipynb(13KB)