fake_news_detection 使用Kaggle数据集检测假新闻的简单模型

假新闻分类器

英国车祸数据（2005-2015）

从。 我们从代码和伟大的代码中学到更多。 不一定总是排名第一的解决方案，因为我们还了解了是什么造就了出色且良好的解决方案。 我会发布我遇到的解决方案，这样我们都可以学习变得更好！ 我从 Kaggle 举办的比赛中收集了以下源代码和有趣的讨论，以供学习。 没有列出所有比赛，因为我只是手动收集它们，还有一些比赛由于没有人分享而没有列出。 随着时间的推移，我会添加更多。 谢谢你。 。 。 Alessandro Mariani 的。 B1aine。 e by Hiroyuki。 MrCanard。 。 Paul Duan 和 Benjamin Solecki 团队的。 Paul Duan 。 Owen Zhang 的排名 2 解决方案代码。 Dmitry & Leustagos

kaggle_bnp Kaggle法国巴黎银行Cardif索赔管理 项目组织 ├── LICENSE ├── Makefile <- Makefile with commands like `make data` or `make train` ├── README.md <- The top-level README for developers using this project. ├── data │   ├── external <- Data from third party sources. │   ├── interim <- Intermediate data that has been transformed. │   ├── processed <- The final, canonical

排名靠前1%，代码经过注释，很详细。 里面有关于预处理的部分尤为精彩。 非常值得学习。 Kaggle入门必备

/ *日期：2018年5月7日作者：Raj Mehrotra * / 来自kaggle的“红酒质量”数据集。 数据集包含有关葡萄酒样品的详细信息，以及说明葡萄酒中不同化学物质浓度的不同特征。 目标变量是0-10的葡萄酒质量。 我首先探索并分析了数据，并使用了熊猫，matplotlib，seaborn库进行了可视化，并研究了不同类别和数字特征的分布。 然后，我清理了数据并准备好进行建模。然后，我还使用sklearn提供的StandardScaler缩放了所有数字功能以实现更好的性能。 最后，我从scikit学习中使用了不同的ML算法，包括SVM，RandomForest等。 我还使用GridSearchCV函数调整了所有算法的参数。 最后，通过使用带有“ rbf”内核和参数“ C”和“ gamma”的调整值的支持向量机，我在数据集上的精度为0.9175。

贷款违约预测竞赛数据，是个人的金融交易数据，已经通过了标准化、匿名处理。包括200000样本的800个属性变量，每个样本之间互相独立。每个样本被标注为违约或未违约，如果是违约则同时标注损失，损失在0-100之间，意味着贷款的损失率。未违约的损失率为0，通过样本的属性变量值对个人贷款的违约损失进行预测建模。数据来自英国帝国理工大学。

项目：关于kaggle竞争的客户流失预测2020 是关于预测客户是否会改变电信提供商，这被称为“搅动”。 动机 客户流失是业务分析和业务关键目标中最重要的领域之一。专注于留住现有客户比收购新客户更容易且成本更低。将客户保留率提高几个百分点可以显着提高利润。预测客户流失将有助于企业保留现有客户，并扩大潜在客户的识别范围。流失管理的核心在于能够识别潜在磨耗者的预警信号。机器学习将提供一种解决方案，并且企业将采取积极行动阻止这种情况的发生。 该项目的目的 资料详情 领域 探索数据 清洁数据和功能工程 建模与评估 比赛和最终成绩 挑战与增强 该项目的报告 文件和文件夹的详细信息和结构 资料夹 原始数据集和清理的数据集。 使用图片 存储已转换的XGB模型。 Jupyternotebooks用于数据可视化，清洁数据，EDA，建模和车削。 实用程序，用于 用于程序 档案文件 项目调查结果 软件要求

KAGGLE竞赛官方网站上下载下来的数据集,最全kaggle泰坦尼克数据集。欢迎下载。