Kaggle在9月30日开启的一个新的比赛，举办者是巴西最大的汽车与住房保险公司之一：Porto Seguro。该比赛要求参赛者根据汽车保单持有人的数据建立机器学习模型，分析该持有人是否会在次年提出索赔。这里的文档是比赛所用到的数据，数据均已经处理

数据来自Kaggle的Give Me Some Credit，有15万条的样本数据，下图可以看到这份数据的大致情况。 数据属于个人消费类贷款，只考虑信用评分最终实施时能够使用到的数据应从如下一些方面获取数据： – 基本属性：包括了借款人当时的年龄。 – 偿债能力：包括了借款人的月收入、负债比率。 – 信用往来：两年内35-59天逾期次数、两年内60-89天逾期次数、两年内90 天或高于90天逾期的次数。 – 财产状况：包括了开放式信贷和贷款数量、不动产贷款或额度数量。 – 贷款属性：暂无。 – 其他因素：包括了借款人的家属数量（不包括本人在内）。 – 时间窗口：自变量的观察窗口为过去两年，因变量表现窗口为未来两年。

这是kaggle泰坦尼克号准确率0.81的python数据分析超级详细的源代码 这是传说中的泰坦尼克机器学习比赛-对你来说最好的，第一次挑战，让你潜入机器学习比赛，熟悉Kaggle平台的工作原理。 竞争很简单：使用机器学习来创建一个模型，预测哪些乘客在泰坦尼克号沉船事故中幸存下来。

分享一下：链接：https://pan.baidu.com/s/1ZIiz16LUcdDpmFTnE6V-lg 提取码：6r7l 关注公众号“深算科技重庆”获取更多免费资料。

kaggle-avazu

Kaggle数学竞赛泰坦尼克号生存预测的代码。方便没有梯子的同学。

kaggle 大赛 点击率预估 分析，GBDT+FFM，排名第一，非常好的分析

在python3环境下借助Kaggle资源练习熟悉数据挖掘技能，属于实战部分，适合新手练习。更多博客请访问：https://blog.csdn.net/xudailong_blog

Kaggle 5000部电影数据 数据挖掘 python 更多好文清访问：https://blog.csdn.net/xudailong_blog

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