1、csv简介 CSV (Comma Separated Values)，即逗号分隔值（也称字符分隔值，因为分隔符可以不是逗号），是一种常用的文本 格式，用以存储表格数据，包括数字或者字符。很多程序在处理数据时都会碰到csv这种格式的文件，它的使用是比 较广泛的（Kaggle上一些题目提供的数据就是 ...
分类：
编程语言 时间：
2017-12-12 10:29:30
阅读次数：
368
https://mp.weixin.qq.com/s/JwRXBNmXBaQM2GK6BDRqMw 选自GitHub 作者：Artur Suilin 机器之心编译 参与：蒋思源、路雪、黄小天 近日，Artur Suilin 等人发布了 Kaggle 网站流量时序预测竞赛第一名的详细解决方案。他们不仅 ...
分类：
Web程序 时间：
2017-12-06 10:30:37
阅读次数：
1549
根据以上两篇的分析，下面我们还要对数据进行处理，观察Age和Fare两个属性，乘客的数值变化幅度较大！根据逻辑回归和梯度下降的了解，如果属性值之间scale差距较大，将对收敛速度造成较大影响，甚至不收敛！因此，我们需要运用scikit-learn里面的preprocessing模块对Age和Fare ...
分类：
其他好文 时间：
2017-12-05 11:49:53
阅读次数：
137
Jeremy Howard 在业界可谓大名鼎鼎。他是大数据竞赛平台 Kaggle 的前主席和首席科学家。他本人还是 Kaggle 的冠军选手。他是美国奇点大学（Singularity University）最年轻的教职工。曾于 2014 年，作为全球青年领袖，在达沃斯论坛上发表主题演讲。他在 TED ...
分类：
其他好文 时间：
2017-11-21 17:05:26
阅读次数：
186
下面我们再来看看各种舱级别情况下各性别的获救情况 得到下图 下面再看看大家族对结果有什么影响 PassengerId SibSp Survived 0 0 398 1 210 1 0 97 1 112 2 0 15 1 13 3 0 12 1 4 4 0 15 1 3 5 0 5 8 0 7 Pas ...
分类：
其他好文 时间：
2017-11-20 17:47:20
阅读次数：
160
从Kaggle上获取的这份数据集，是从超过15000个专业的数据科学家收集的数据，让我们对他们的偏好、工作、学习资源和技术水平有了一个非常好的了解。 以下的分析中，简单的从几个方面对数据科学家的现状进行分析。 我们有超过16716人的数据。由于问题的数量实在是太大了(总共超过300个)，所以指望人们 ...
分类：
其他好文 时间：
2017-11-13 21:39:25
阅读次数：
222
大家都熟悉的『Jack and Rose』的故事，豪华游艇倒了，大家都惊恐逃生，可是救生艇的数量有限，无法人人都有，副船长发话了『lady and kid first！』，所以是否获救其实并非随机，而是基于一些背景有rank先后的。 训练和测试数据是一些乘客的个人信息以及存活状况，要尝试根据它生成合 ...
分类：
其他好文 时间：
2017-11-10 20:36:32
阅读次数：
302
xgboost是大规模并行boosted tree的工具，它是目前最快最好的开源boosted tree工具包，比常见的工具包快10倍以上。在数据科学方面，有大量kaggle选手选用它进行数据挖掘比赛，其中包括两个以上kaggle比赛的夺冠方案。在工业界规模方面，xgboost的分布式版本有广泛的可 ...
分类：
编程语言 时间：
2017-11-01 16:33:49
阅读次数：
370
最近同事讨论到mae无法作为objective function的事情，因为mae无法求导。用mse作为objective，使用mae作为eval是通常的做法，但是优化不太好。就在网上找了些资料，看是否有好的objective来代替mae的，整理如下： kaggle上的讨论 https://www. ...
分类：
其他好文 时间：
2017-11-01 13:35:24
阅读次数：
163
kaggle-titantic, from: https://www.youtube.com/watch?v=siEPqQsPLKA install matplotlib: conda install matplotlib install scikit-learn: conda install sc ...
分类：
编程语言 时间：
2017-10-28 20:32:52
阅读次数：
265
