train.csv：训练集、test.csv：测试集 historical_transactions.csv：信用卡(card_id)在给定商家的历史交易记录，对于每张信用卡，最多包含其三个月的交易记录 new_merchant_transactions.csv：每张信用卡在新商家的购物数据，最多包含两个月的数据(字段说明同上) merchants.csv：数据集所有商家(商家id)的附加信息

matlab svr代码kaggle_表型 戴希扬@UMD CS 从基因型预测表型。 这是用于从基因型@UMD CMSC702 预测表型的 Kaggle 竞赛。 整个代码按原样提供。 要求 -Matlab -Libsvm/Libliner (for SVR) -DeepLearnToolbox (for NN regression) -vl_feat (for gmm) 建议的方法 团结 - logloss.m - dataloader.m - confusion_matrix.m - mynormalize.m - k_mer_feature.m - gmms_feature.m 特征选择 - feature_selection.m - fs_trian_test.m 降维 - dimension_reduct.m K-mer + 种群 + LASSO + NN/SVR - nfold_validation.m: Driver to run nfold cross validation on proporsed methods (SVR) - mytrain.m - mytest.m

KaggleLeaf分类 Kaggle竞赛“植物幼苗分类”

手把手教你如何在Kaggle猫狗大战冲到Top2%-------运行成功python3.5------py源代码

kaggle房价预测比赛代码.zip

心脏病数据集，详细内容可参考文章：https://wendy.blog.csdn.net/article/details/120196857 UCI Heart Disease Dataset.csv是对官网数据集做处理后的数据集，heart为Kaggle数据集。

kaggle网站深度学习竞赛资源：树叶分类竞赛数据集

木薯叶病分类 目录 我的木薯叶病比赛学习历程。我花了整整3周的时间参加这项比赛。 目标： 对木薯叶上呈现的疾病类型进行分类。有五个不同的标签：木薯细菌枯萎病（CBB），木薯褐斑病（CBSD），木薯绿斑驳病（CGM），木薯花叶病（CMD）和健康。 挑战： 这项比赛有一些挑战。 每个班级之间的分配不平衡。标签3 CMD与其他类别之间存在巨大差异。这可能会对预测产生偏差。因此，必须采用加权损失函数或过采样。 嘈杂的标签。一幅图像中有很多错误标记的图像和多种疾病，可能会影响模型预测。为了解决这个问题，可以实现多种技术，例如标签平滑，混合，剪切混合增强。 我在截止日期前参加了比赛，因此就如何处理嘈杂的标签以及哪种模型在本次比赛中效果最好，进行了很多讨论。大多数竞争对手都采用了Efficientnet和视觉变压器（ViT），因此在尝试其他模型（例如ViT，DeiT，Hybrid Resnet和ViT）

3D MNIST 是一个3D数字识别数据，用以识别三维空间中的数字字符。

车价预测：数据集来自Kaggle