野火 分析在Kaggle上找到的Wildfires数据集。 该数据集包含1992年至2015年美国的野火数据。 文件说明： c_10nv20（1）.zip：美国各县及相应的几何数据->来源： ：//www.weather.gov/gis/Counties wildfires.7z：来自Kaggle的原始sqlite数据库->来源： ：//www.kaggle.com/rtatman/188-million-us-wildfires？select FPA_FOD_20170508.sqlite wildfires.ipynb：Jupyter Notebook，包含对数据集的所有分析。 工作正在进行中！

Kaggle National Datascience Bowl 2017第二名 这是我在Kaggle.com主办的第二名解决方案中我的源代码。 有关该方法的文档，请访问： ://juliandewit.github.io/kaggle-ndsb2017/ 请注意，这是我的代码部分。 我的队友Daniel Hammack的工作可以在以下位置找到： : 依赖关系和数据 该解决方案是使用Keras和Windows 64位上的tensorflow后端构建的。 接下来，我使用了scikit-learn，pydicom，simpleitk，beatifulsoup，opencv和XgBoost。

该数据是一个假新闻标记数据，包括从244个网站上利用Chrome的BS Detector扩展工具识别出的假新闻数据。

Titanic数据集来自kaggle

平台下载的原始三个数据train.csv test.csv gender_submission.csv （本来想0积分 分享给大家 无奈最低是1分了）

奥托 在Kaggle Otto生产分类挑战赛（排行榜）中排名第85位（在3514中）。 链接： ： 特征工程（并非全部用于最终合奏） 每行所有功能的总和 每行所有功能的差异 每行填充的特征数 在前20个功能上创建的操作功能（+，-，*，/）（并非始终有效） 用均值标准化转换要素（新要素=原始要素-列均值） 楷模 XGBoost 神经网络（使用宽面条和H20；仅将宽面条模型用于最终合奏） randomForest 软件 R 3.1.3 R包： doParallel 脱字号 xgboost 派对 全球网 dplyr Python 2.7 Python库： 烤宽面条 麻木 科学的 茶野

Kaggle-Playground-Series-March-2021 存储库已保存，以显示Kaggle竞赛游乐场系列-2021年3月的工作”。

美国金融客户投诉数据

数据集包含训练和测试两个文件，各包含 12500张图像，共 25000张。 来自 2013 年的 kaggle 竞赛，当时获胜者使用卷积神经网络达到了 95% 的精度。

kaggle黄金价格预测数据，时间序列数据，可以进行机器学习、深度学习分析