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

Kaggle 各种 Kaggle 比赛的一些代码。

餐厅收入预测 这是一场 Kaggle 比赛，我们的方法排名 67/2256。 项目目标 在这个项目中，我们的目标是找到一个数学模型来提高新餐厅投资的有效性，这将使 TFI 能够在其他重要业务领域进行更多投资，例如可持续性、创新和新员工培训。 本次比赛使用人口统计、房地产和商业数据，挑战您预测 100,000 个区域位置的年度餐厅销售额。 可以在找到项目介绍的更多详细信息。 杂项

Kaggle比赛视频实战课程，已听过，效果十分不错。很适合机器学习入门。听了就赚了

kaggle_random_acts_of_pizza Kaggle竞争。 大事记 下载数据并弄清楚如何将其导入python / numpy对象，以便可以使用SKLearn处理它。 将获得的数据分为训练和开发数据，以运行自己的实验。 建立基准并提交给Kaggle进行验证。 对于提交，您可能应该在所有数据上训练模型。 向您的讲师发送指向排行榜的链接，该链接显示您的基线得分。 截止日期：7/14 简要概述我们已经完成的工作和计划​​要做的事情。 截止日期：7/28 尝试不同的型号和参数设置。 设计新功能。 使用特征选择技术。 检查错误并进行迭代。 看看我们可以在排行榜上取得多少进展。 在ipython笔记本中综合我们的工作。 我们希望让您的笔记本公开，并尽可能地帮助入门机器学习的人们。 我们对使我们学到的概念更清晰的实验和分析感兴趣，而不是我们在排行榜上的排名（尽管良好的表现会使人们

该资源包含Kaggle网站上房价预测比赛的数据描述、训练集和测试集，免去了在Kaggle官网上注册的麻烦。外面的house-prices-advanced-regression-techniques压缩包是原官网文件，里面的data文件与此内容相同。其他则是来自于动手学深度学习一书的实例代码，本人已进行过测试，实测可行。

利用VGG16对kaggle比赛提供的猫狗图片进行迁移学习-PyTorch版本 1.已改写为gpu-cpu通用 2.数据集处理参考注释；含后续训练、训练集/验证集accuracy计算，图片测试 3.数据集请参考https://www.kaggle.com/c/dogs-vs-cats

kaggle比赛Titanic的R教程一和三（决策树、随机森林和logistics模型）；利用薛毅《统计建模与R软件》书中判别分析章节中的距离判别、贝叶斯判别和Fisher判别函数实习的模型预测

这是从KAGGLE竞赛官方网站上下载下来的数据集，本人之前也一直在寻找类似的数据，却一直需要大量积分，所以我就上传上来供大家使用。

kaggle比赛HousePrices之数据预处理部分的完整代码，包含非常详细的注释，属于数据挖掘预处理的经典流程性代码。