提交Kaggle竞赛“真实与否？NLP与灾难鸣叫”（排名前25％） 挑战链接： : 链接到公共Kaggle笔记本（SVM）： : 在此存储库中，您将找到3个笔记本： 一种使用spaCy字向量和SVM的 一种使用BiLSTM的 一种将预训练的BERT用于序列分类 在测试集上，SVM的f1得分达到0.81152，BiLSTM达到0.80，而BERT达到〜0.83 f1得分。

心脏病数据集.zip

Kaggle 癫痫检测挑战 解决方案。 卷积神经网络以一种糟糕的方式应用于原始 EEG 数据：来自不同通道的特征仅在隐藏层中组合。 描述了更好的解决方案。

抓举 Grasp-and-Lift EEG 检测 Kaggle 比赛 设置 需要 pip 和 python 克隆仓库git clone https://github.com/jrubin01/grasp-and-lift.git cd grasp-and-lift 创建虚拟环境virtualenv venv source venv/bin/activate 安装所需的库pip install -r requirements.txt 启动 ipython ipython notebook

Donald Trump Never Give Up: How I Turned My Biggest Challenge Into Success

facial_keypoint 用于面部关键点检测的Kaggle数据集。 清理数据，将图像列分离出一个数组以读取RGB值，然后将数据集分为X和Y值进行学习，使用20％的比例进行测试。 最后，实现了一个具有三个卷积层和两个密集层以及最终密集层作为输出的卷积神经网络。 尚未实施：Tensorboard以提高模型的准确性和损失。

Kaggle_Disaster_Tweets 带有灾难性推文的自然语言处理：预测哪些推文与真实灾难有关，哪些不与真实灾难有关任务开始日期：2021.04.04 任务说明：使用火车数据中的信息，构建模型以预测某条推文是否与真实灾害有关 火车数据集说明： 列 描述 有效/缺失 遗失率 'ID ' 每条推文的唯一标识符（推文编号） 7613/0 0％ '关键词' 推文中的特定关键字 7552/61 1％ '地点' 发推文的位置 5080/2533 33％ '文本' 推文的文字 7613/0 0％ '目标' 这条推文是否是一场真正的灾难（标签） 7613/0 0％ 测试数据集说明： 列 描述 有效/缺失 遗失率 'ID ' 每条推文的唯一标识符（推文编号） 7613/0 0％ '关键词' 推文中的特定关键字 3237/26 1％ '地点' 发

Kaggle-SMS-Spam-Collection-Dataset-：使用NLTK和Scikit-learn分类为垃圾邮件或火腿邮件

资源为.ipynb格式。可以用jupter nootboke打开 对kaggle泰坦尼克号辛存者预测竞赛的一点小总结 1.首先提出了对数据分析思维的一些tips（不感兴趣的可以跳过） 2.对数据分析的流程做了一个文本的总结。 由数据探索-->特征工程-->建模三部分组成 2.1 数据探索：探索特征的类型，缺失情况等等 2.2 特征工程：简要介绍数据的填充，删除，增补等等方法 2.3 建模：对可以使用的分类算法做一些比较，优先选择比较好的算法来进行集成学习（有借鉴一些大神的思路 ， 但是因为找不到原来的网址了，没有附加超链接，如果以后有遇见相似的文本，希望各位发个消息，我再加上链接，谢谢！）

提交 小路 验证 排行榜 评论 1 /storage/hpc_anna/Kaggle_DRD/submissions/size256/minimal/2015-05-27-16-52 0.068 0.07967 2 /storage/hpc_anna/Kaggle_DRD/submissions/size256/minimal/2015-05-27-17-45 0.078 0.06259 批量大小 128 3 /storage/hpc_anna/Kaggle_DRD/submissions/size256/minimal/2015-05-27-17-45-random 0.00966 4 /storage/hpc_anna/Kaggle_DRD/submissions/size256/onehidden/2015-05-28-19-04 0.1342 0.13