kaggle-titanic:解决kaggle的教程“泰坦尼克号

上传者: 42134051 | 上传时间: 2022-12-16 10:45:24 | 文件大小: 10KB | 文件类型: ZIP
卡格格-泰坦尼克号 这使用Common Lisp解决了kaggle教程“”。 2015/10/19:我决定首先使用朴素的贝叶斯分类器。 但是,我认为这不是执行此任务的正确方法。 我只想知道这种“幼稚”的方式可以达到什么速率作为基准。 用法 首先,您需要从上述kaggle教程中获取“ train.csv”和“ test.csv”(还需要注册Kaggle)。 然后,将它们放在该项目下的“资源”目录中。 该项目导出两个函数“ main”和“ cross-validate”。 “主要”功能 学习使用“ train.csv”中的所有数据。 使用“ test.csv”中的所有数据将分类结果输出到“ resources / result.csv” (kaggle-titanic:main) “交叉验证”功能 使用“ train.csv”中的数据进行k交叉验证。 (k = 5) 将结果输出到标准输

文件下载

资源详情

[{"title":"( 13 个子文件 10KB ) kaggle-titanic:解决kaggle的教程“泰坦尼克号","children":[{"title":"kaggle-titanic-master","children":[{"title":"kaggle-titanic.asd <span style='color:#111;'> 1.29KB </span>","children":null,"spread":false},{"title":"resources","children":[{"title":".gitkeep <span style='color:#111;'> 0B </span>","children":null,"spread":false}],"spread":true},{"title":"t","children":[{"title":"utils.lisp <span style='color:#111;'> 452B </span>","children":null,"spread":false},{"title":"kaggle-titanic.lisp <span style='color:#111;'> 277B </span>","children":null,"spread":false},{"title":"data.lisp <span style='color:#111;'> 2.64KB </span>","children":null,"spread":false},{"title":"csv.lisp <span style='color:#111;'> 1.58KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.markdown <span style='color:#111;'> 1.47KB </span>","children":null,"spread":false},{"title":"src","children":[{"title":"kaggle-titanic.lisp <span style='color:#111;'> 1.47KB </span>","children":null,"spread":false},{"title":"data.lisp <span style='color:#111;'> 2.53KB </span>","children":null,"spread":false},{"title":"learner.lisp <span style='color:#111;'> 8.36KB </span>","children":null,"spread":false},{"title":"csv.lisp <span style='color:#111;'> 3.06KB </span>","children":null,"spread":false}],"spread":true},{"title":"kaggle-titanic-test.asd <span style='color:#111;'> 831B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 87B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明