Folders and files
| Name | Name | Last commit date | ||
|---|---|---|---|---|
欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远
- ApacheCN - Kaggle组队群【686932392】
- Kaggle 是一个流行的数据科学竞赛平台。
- GitHub 入门操作指南 和 Kaggle 入门操作指南，适合于学习过 MachineLearning(机器学习实战) 的小盆友
- Kaggle 已被 Google 收购，请参阅《谷歌收购 Kaggle 为什么会震动三界（AI、机器学习、数据科学界）》
Note:
- 号外号外 kaggle组队开始啦
- 【Kaggle 入门篇】资源整理完毕，跟我们一起来学习吧！
- 关于 ApacheCN: 一边学习和整理，一边录制项目视频，希望能组建一个开源的公益团队对国内机器学习社区做一些贡献，同时也为装逼做准备!!
机器学习比赛，奖金很高，业界承认分数。 现在我们已经准备好尝试 Kaggle 竞赛了，这些竞赛分成以下几个类别。
课业比赛 InClass 是学校教授机器学习的老师留作业的地方，这里的竞赛有些会向public开放参赛，也有些仅仅是学校内部教学使用。
入门比赛 Getting Started 给萌新们一个试水的机会，没有奖金，但有非常多的前辈经验可供学习。很久以前Kaggle这个栏目名称是101的时候，比赛题目还很多，但是现在只保留了4个最经典的入门竞赛：手写数字识别、沉船事故幸存估计、脸部识别、Julia语言入门。
训练场 Playground里的题目以有趣为主，比如猫狗照片分类的问题。现在这个分类下的题目不算多，但是热度很高。
研究型 Research 竞赛通常是机器学习前沿技术或者公益性质的题目。竞赛奖励可能是现金，也有一部分以会议邀请、发表论文的形式奖励。
人才征募 Recruitment 竞赛是赞助企业寻求数据科学家、算法设计人才的渠道。只允许个人参赛，不接受团队报名。
推荐比赛 Featured 是瞄准商业问题带有奖金的公开竞赛。如果有幸赢得比赛，不但可以获得奖金，模型也可能会被竞赛赞助商应用到商业实践中呢。
常用算法选择
常用工具选择
解决问题的流程
- 链接场景和目标
- 链接评估准则
- 认识数据
- 数据预处理（清洗、调权）
- 特征工程
- 模型调参
- 模型状态分析
- 模型融合
数据预处理
- 数据清洗
- 去掉样本数据的异常数据。（比如连续型数据中的离群点）
- 去除缺失大量特征的数据
- 数据采样
- 下/上采样（假设正负样本比例1:100，把正样本的数量重复100次，这就叫上采样，也就是把比例小的样本放大。下采样同理，把比例大的数据抽取一部分，从而使比例变得接近于1；1）
- 保证样本均衡
- 工具 sql、pandas等
特征工程
特征处理
- 数值型：连续型数据离散化或者归一化、数据变化（log、指数、box-cox）
- 类别型：做编码，eg：one-hot编码，如果类别数据有缺失，把缺失也作为一个类别即可。
- 时间类：间隔化（距离某个节日多少天）、与其他特征（eg：次数）融合，变成一周登陆几次、离散化（eg：外卖，把时间分为【饭店、非饭店】）
- 文本类：N-gram、Bag-of-words、TF-IDF
- 统计型：与业务强关联
- 组合特征
时间段：2017-11-15 ～ 2017-11-30
项目负责人
- @jiangzhonglian（片刻）
项目发起人
- @jiangzhonglian（片刻）
- @wangyangting（那伊抹微笑）
- @chenyyx（瑶妹）
项目贡献者（请手动添加）
- @jiangzhonglian（片刻）
- @wangyangting（那伊抹微笑）
- @chenyyx（瑶妹）
- @zehuichen(loveSnowBest)
- @谈笑风生（谈笑风生）
- @诺木人（诺木人）
加入方式
有任何建议反馈, 或想参与文档翻译, 麻烦联系下面的企鹅
- 企鹅: 529815144(片刻) 1042658081(那伊抹微笑) 190442212(瑶妹)
- ApacheCN - 学习机器学习群【629470233】
- Kaggle (数据科学竞赛平台) | ApacheCN(apache中文网)