来自 kaggle官网的 StumbleUpon Evergreen Classification Challenge数据集 1.可用于决策树二元类机器学习. 2.产品分类模型的训练 3.推荐算法的训练 2.文件内容包括: ---train.tsv 训练集 22.0MB ---test.tsv 测试集 9.4MB ---sampleSubmission.csv 22.0KB ---raw_comtent.zip 164.8MB

小项目 根据网页内容将网页分类为 Evergreen 或 Ephemeral 的本科未成年人（第 7 学期）项目 比赛链接： : 使用的技术： RandomForest使用除 body 之外的所有字段 20倍简历分数： 80.7915% Tf-Idf 矢量化体的逻辑回归20倍简历分数： 87.7833% 使用Kstratfold和SelectPercentile对Tf-Idf 矢量化主体进行逻辑回归，使用 chi去除异常值后20倍简历分数： 89.15924% 高斯朴素贝叶斯使用除 body 之外的所有字段 20倍简历分数： 70.379% Tf-Idf 矢量化体上的线性 SVM 20倍简历分数： 86.8915% Tf-Idf 与词干提取和标记化一起完成以提高准确性 PunktWordTokenizer 雪球茎 LemmaTokenizer（参见 LRwithchi

StumbleUpon Evergreen数据，来源于Kaggle中的一个题目StumbleUpon Evergreen Classification Challenge。 StumbleUpon 是一个个性化推荐引擎，根据用户的兴趣行为给用户推荐网页，而有些网页内容是即时性（ephemeral）的，比如新闻股票网页（用户短暂感兴趣），有些网页是长久性的（evergreen）如体育，理财等（用户持续感兴趣）。现要分辨网页是ephemeral的还是evergreen的，以便向用户推荐更加准确的网页。 这是一个二分类问题。 查看StumbleUpon数据的详细信息：https:www.kaggle.com/c/stumbleupon/data

kaggle中的stumbleupon数据集，需要许多步骤才能下载到，上传方便各位下载