广告实时竞价数据，是广告牌、商场广告位和互联网广告栏中的广告位的实时竞价情况信息，用以训练有偏模型和预测客户点击。

Kaggle_Jane_Street_Market_Prediction:https

简街市场预测 作者：刘增丰，崔贤ji，郑家杰 在此项目中，目标是根据市场价格从130点的时间序列中预测市场份额的未来回报值。 该数据集是从竞赛中获得的。 以下是实现这些目标的一些可能步骤： 去噪 滚动平均值 使用小波变换的阈值 使用的机器学习模型： 决策树（CART） 线性回归 k最近邻居 人工神经网络 卷积神经网络

从Reddit WorldNews Channel网站上抓取的新闻数据（2008-06-08 到 2016-07-01）和对应时间的 Dow Jones Industrial Average (DJIA)股票指数数据。

Kaggle event 推荐比赛及解答思路。 Event Recommendation Engine Challenge:预测用户是否会对某个活动感兴趣，based on events they've responded to in the past user demographic information what events they've seen and clicked on in our app 简单解决方案： 1.数据清洗与预处理 2.构建特征(包括协同过滤推荐度等复杂特征) 3.建模 4.生成提交的测试结果

kaggle-cifar10-torch7, Kaggle CIFAR10竞争代码 5th 位置 Kaggle CIFAR-10CIFAR-10 竞争代码 http://www.kaggle.com/c/cifar-10摘要描述型号具有 3 x3内核 [1 ]的非常深的卷积网络数据增强裁剪，水平反射 [2]

CIFAR10_mxnet 抽象的 kaggle CIFAR10补偿代码，由mxnet gluon实现。 我们通过合并一些想法获得了0.9688 Directroy和文件描述符 文件 描述符 日志 一些火车日志文件 楷模 一些trianed模型参数（权重） 结果 kaggle测试集上的转发结果文件 提交 最终kaggle提交结果 CIFAR10_train 主要火车和进出口代码 阴谋 列车acc和有效acc的可视化与历时的损失。 utils / netlib.py ResNet18，ResNet164_v2，densenet，焦点损失由gluon实现代码，由CIFAR10_train调用 utils / utils.py 一些工具功能 模型，重用，日志可从以下链接获取： ://pan.baidu.com/s/1pLjzQWj密钥：f6p3 方法说明 主要思想来自mxnet主题，

matlab美白代码卡格勒CIFAR-10 CIFAR-10竞争代码。 概括 描述 模型 具有3x3内核的超深度卷积网络[1] 数据扩充 裁剪，水平反射[2]和缩放。 参见lib / data_augmentation.lua 前处理 全局对比度归一化（GCN）和ZCA白化。 参见lib / preprocessing.lua 训练时间 在GTX760上20小时。 预测时间 在GTX760上为2.5小时。 结果 0.93320（单个模型）。 0.94150（平均6个型号） 神经网络配置 图层类型 参数 输入 尺寸：24x24，频道：3 卷积 内核：3x3，通道：64，填充：1 relu 卷积 内核：3x3，通道：64，填充：1 relu 最大池 内核：2x2，步幅：2 辍学 率：0.25 卷积 内核：3x3，通道：128，填充：1 relu 卷积 内核：3x3，通道：128，填充：1 relu 最大池 内核：2x2，步幅：2 辍学 率：0.25 卷积 内核：3x3，通道：256，填充：1 relu 卷积 内核：3x3，通道：256，填充：1 relu 卷积 内核：3x3，通道：256，

人力资源分析师 如果您也想查看其他笔记本和解决方案，可以在Kaggle中找到此挑战： 上下文和内容 一家活跃于大数据和数据科学领域的公司希望在成功通过该公司的某些课程的人员中聘用数据科学家。 许多人报名参加他们的培训。 公司想知道在培训或寻找新工作后，其中哪些候选人真的想为公司工作，因为这有助于降低成本和时间，并减少培训或计划课程和候选人类别的质量。 候选人注册和注册后即可掌握与人口统计，教育，经验相关的信息。 该数据集旨在了解导致人员也离开当前工作进行人力资源研究的因素。 通过使用当前证书，人口统计，经验数据的模型，您可以预测应聘者寻找新工作或将为公司工作的可能性，并解释影响员工决策的因素。 整个数据分为训练和测试。 目标未包含在测试中，但测试目标值数据文件可用于相关任务。 提交的样本对应于测试集的enrollee_id，该列也提供了以下列： 笔记： 数据集不平衡。 大多数功能都是

r-kaggle-泰坦尼克号 #Titanic生存预测 该存储库包含我针对Kaggle的《泰坦尼克号生存预测问题》的一些方法。 该存储库包括用于功能选择的脚本，用于数据建模的替代策略，原始测试和训练数据集以及为其生成的可视化图。 所有代码段均以R编写。 泰坦尼克号生存预测问题 在这一普遍的挑战中，目标是根据性别，阶级，机票详细信息，年龄类别等属性来预测什么样的人可能度过泰坦尼克号灾难。 程式码范例 去做 动机 列出的示例代码中的一种方法已提交给Kaggle。 安装 数据集可以在“数据”文件夹中找到。 它包括2个分别用于培训和测试的csv文件。 train.csv（59.76 kb） test.csv（27.96 kb） 使用以下R包。 seqinr：生物序列检索和分析 e1071：统计部概率论小组的其他职能（以前为E1071），维也纳工业大学 派对：递归派对的实验室 Ame