添加正则化项,是指在损失函数上添加正则化项,而正则化项可分为两种:一种是L1正则化项,另一种是L2正则化.我们把带有L2正则化项的回归模型称为岭回归,带有L1正则化项的回归称为Lasso回归.1.岭回归引用百度百科定义.岭回归(英文名：ridgeregression,Tikhonovregularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。通过定义可以看出,岭回归是改良后的最小二乘法,是有偏估计的回归方法,即

这是V1版本，后续版本迁移到ApacheCN组织的kaggle项目里。这个repo就停止更新了。 目录 简介 kaggle入门题目，训练数据已经处理成向量并与标签一一对应，判断测试数据对应的标签。 项目基本思路 在solutions中存储不同的解法，在所有解法单独实现完成之后，最终结果采用所有解法的结果来做交叉验证之后的答案，即对于某个向量的预测，采用所有解法中出现次数最多的作为结果。 main.py作为项目的入口，所有程序的调用都采用 python main.py -* * 的形式来调用，主要是为了统一log等的设置 得分进展 2018-03-12 score=0.99285 keras-原始数据0.5倍缩放之后，采用keras深度学习 2018-03-11 score=0.98542 svm-将原始数据0.5倍缩放之后，采用pca降维，再使用svm分类 2018-03-08 scor

包含《COVID-19》，《英国在线零售业务》，《电商行业用户行为分析数据集》，《电商婴儿用户》，《亚马逊手机》等17个数据集，用于数据分析挖掘，kaggle比赛练习

有毒评论分类挑战笔记本 在其上查看该比赛的详细信息 要求 数据可以从下载一些笔记本使用GloVe预先训练的单词向量。 可以在下载（请注意版本）。 到目前为止，Kaggle得分 RCNN-0.9721 字符级深RCNN-0.9750 Logistic回归+朴素贝叶斯SVM-0.9797 RCNN v2-0.9799 合并的RCNN-0.9837 LG NB-SVM +合并RCNN集成-0.9850 LG NB-SVM + RCNNv3 + CharRCNN集成-0.9855

作者： Ivan Bongiorni ，数据科学家。 卷积递归Seq2seq GAN用于时间序列数据中缺失值的插补 描述 该项目的目标是为时间序列数据的插补实现递归卷积Seq2seq神经网络的多种配置。 提供了三种实现： 循环卷积seq2seq模型。 基于上述相同体系结构的GAN （生成对抗网络），其中训练了Imputer来欺骗试图区分真实和假（推算）时间序列的对抗网络。 一种部分对抗的模型，其中先前模型的两种损失结构都组合在一个模型中：Imputer模型必须减少真实的错误损失，同时尝试欺骗鉴别器。 模型在TensorFlow 2中实现，并在数据集中进行了训练。 档案文件 config.yaml ：用于数据预处理，培训和测试的配置参数。 管道： main_processing.py ：启动数据预处理管道。 其结果是将准备好训练的数据集以.npy（ numpy ）格式保存在/da

关于Criteo数据的FFM 尝试使用以下现场感知分解机（FFM）的实施方式来复制的结果： 数据 下载完整的数据集并将其转换为CSV格式： ./data.sh ln -s train.csv tr.csv ln -s test.csv te.csv 或者，使用微小的数据： ln -s train.tiny.csv tr.csv ln -s test.tiny.csv te.csv 用法 建立LIBFFM并预处理数据，就像： make 移至或并按照说明进行操作。 参考

train = pd.read_csv('../input/titanic/train.csv') test = pd.read_csv('../input/titanic/test.csv') train.head() 原创文章 2获赞 1访问量 145 关注 私信 展开阅读全文 作者：KeithVV

给大家分享一套课程——Kaggle十大案例精讲课程，附课件+代码+数据。希望对大家学习有帮助。

黑色星期五销售 简介：该项目将分析黑色星期五的销售数据，并获得更多见解，以回答以下关键业务问题。 什么是最大售出产品 哪个产品类别的销售额最高 查找购买者的年龄段和他们的intreset乘积 寻找买家的婚姻状况 分析在销售中具有较高兴趣的性别群体 我从挑选了数据集。 目录 安装 文件类型 结果 安装 使用下面的git命令随意克隆/分叉reporsity使用克隆github仓库 $ git clone https://github.com/mathubhalan/Black-Friday-Sales.git ＃文件类型 代码文件“ SalesAnalysis.ipynb”是该项目代码的jupyter笔记本格式。 数据文件夹包含从Kaggle下载的数据集“ BlackFriday.csv”。 许可证文件包含该项目的通用GNU许可证。 SalesAnalysis.html是笔记本文件

信用卡模糊检测kaggle--数据集 背景信息信用卡公司必须能够识别欺诈性的信用卡交易，以免向客户收取未购买商品的费用，这一点很重要。 内容数据集包含欧洲持卡人在2013年9月使用信用卡进行的交易。 该数据集显示了两天内发生的交易，在284,807笔交易中，我们有492起欺诈。 数据集高度不平衡，阳性类别（欺诈）占所有交易的0.172％。 它仅包含数字输入变量，它们是PCA转换的结果。 遗憾的是，由于机密性问题，我们无法提供有关数据的原始功能和更多背景信息。 功能部件V1，V2，...，V28是PCA获得的主要组件，尚未通过PCA转换的唯一功能部件是“时间”和“量”。 功能“时间”包含数据集中每个事务和第一个事务之间经过的秒数。 功能“金额”是交易金额，此功能可用于与示例相关的成本敏感型学习。 特征“类别”是响应变量，在发生欺诈时其值为1，否则为0。 启示识别欺诈性的信用卡交易。