Kaggle自然语言处理文本匹配竞赛华人第1名团队PPT-深度学习与特征工程,代码仓库地址在ppt 内

从一系列 CT 影像中对肺部影像进行分割，并识别估计肺部容积量。

titanic--kaggle.zip

博客 https://blog.csdn.net/x1131230123/article/details/100900137 代码

这个比赛当时是在jupyter notebook上编程的，这篇博客是之前自己整理的代码和流程记录。 但是很可惜，notebook转markdown显示效果很不好，下面给出目录和代码。 # coding: utf-8 # # 数据分析 # In[59]: # 一般一起用才会管用，否则可能会显示混乱 get_ipython().run_line_magic('config', ZMQInteractiveShell.ast_node_interactivity='all') get_ipython().run_line_magic('pprint', '') # In[60]: # cod

kaggle泰坦尼克号测试集答案，亲测满分。

RFM模型根据客户活跃程度和交易金额的贡献，进行客户价值细分的一种方法。 R（Recency）：最近一次交易时间间隔。基于最近一次交易日期计算的得分，距离当前日期越近，得分越高。如5分制。反映客户交易活跃度。 F（Frequency）：客户在最近一段时间内交易次数。基于交易频率计算的得分，交易频率越高，得分越高。如5分制。反映客户交易活跃度。 M（Monetray）：客户最近一段时间内交易金额。基于交易金额计算的得分，交易金额越高，得分越高。如5分制。反映客户价值。

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

kaggle-Ultrasound_Nerve_Segmentation 原始数据都放在上层文件夹：../../train/或者../../test/，生成的数据都放在./genic_data/文件夹 文件名以分类和训练开头的是模型训练主文件。run_length_encode.py文件是对图像进行编码的文件。 模型如果训练到基本稳定，效果应该在该竞赛Leaderboard的top10％左右。