前言作为英语不算好; 又想离线看到所有比赛的中文视图; 不得已必须利用爬虫将其下载下来规划到本地; 开发过程1, 要能够离线进行google翻译2, 提供各个详情页重要数据的预览功能3, 利用解析网页工具得到md格式便于预览4, 存储数据到数据库5, 每个竞赛的 kenerl / discuss 高vote 进行爬取记录目前完成阶段1, 利用google翻译API模拟浏览器进行翻译2, 竞赛主页的
这是我的理解，大家看看，有错误的帮我纠正哈，谢谢。
原创
2010-11-18 20:32:46
402阅读
参考：机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾参考：Kaggle泰坦尼克特征工程和模型融合『解决一个问题的方法和思路不止一种』『没有所谓的机器学习算法优劣，也没有绝对高性能的机器学习算法，只有在特定的场景、数据和特征下更合适的机器学习算法。』 Kaggle上的大神们，也分享过一些experience，说几条我记得的哈： 『对数据的认识太重要了！』 『
转载
2024-07-25 18:25:06
110阅读
文章目录写在前面安装必要的模块和文件1.模块2.文件下载数据读取数据训练模型训练过程评估模型效果测试集准备提交材料提交结果写在最后后面的训练 写在前面这篇接上一篇教程2，终于要看到autogluon在竞赛中的应用了。安装必要的模块和文件1.模块pip install kaggle2.文件下载API文件，通过在kaggle个人账号，点击头像 然后会得到一个kaggle.json文件，如果你是用ka
转载
2024-08-20 20:23:57
475阅读
前言Colab Pro(目前仅在美国、加拿大、日本、巴西、德国、法国、印度、英国和泰国可用)提供了随时可用和加速但是维护起来既昂贵又繁琐的云计算资源。和其免费版不同，Colab Pro 允许用户使用 TPUs 和高端的 GPUs，比如 V100 和 P100 等等，可以访问高内存的实例，并且保持 notebooks 运行的时间最长可以达到 24 小时，费用是每个月 10 美元。Colab Pro可
目录一、上传项目二、训练模型1.导入项目2.关于下包以及配置虚拟环境的问题1）创建虚拟环境2）下包3.训练模型1）两种方法：2）关于写文件的问题3）开启GPU4）离线训练4.下载日志、运行结果什么的5.关掉GPU 三、模型预测一、上传项目网址： 登陆后，将项目(连同数据集和代码一起）压缩上传，上传需要梯子。上传成功后点击create，kaggle会自动解压压缩包，处理完成后会有
转载
2023-12-12 16:55:56
4924阅读
____tz_zs 前段时间参加了 kaggle 2018 data science bowl ，初生牛犊不怕虎，于是我撸起袖子就开始干了。尽管，没能得到好的结果，参与过程中的收获和提高，也是很值得高兴的。这里记录下这次的失败，以便下次吸取教训、更进一步。同时，也希望能够帮到那些看到我这篇博客的新人朋友。 一个项目的步骤分为：数据预处理、模型构造、模型训练、模型评估总
1. 注册kaggle账号后。上传数据集，创建notebook，默认使用CPU能够进行在线数据训练。词是，notebook右侧的工具栏只有Language和Environment两个设置。如下： 下方会有一行小小的灰色字体，显示，如果想要使用免费的GPU资源，需要验证手机号。 手机号的验证过程为： ...
转载
2021-09-09 15:51:00
3055阅读
2评论
【新智元导读】近期，Kaggle发布了新的数据分析及可视化工具——Kaggle Kerneler bot，用户只需上传数据集，便可用Python为用户自动获取相关的深度数据分析结果。本文将带领读者体验一下这款便捷而又高效的工具。Kaggle Kerneler bot是一个自动生成的kernel，其中包含了演示如何读取数据以及分析工作的starter代码。用户可以进入任意一个已经发布的项目，点击顶部
前言对于很多入门深度学习领域的小伙伴来说啊，拥有一款合适的显卡是必要的，只有拥有好的装备才能更好更快地进行神经网络的训练、调试网络结构、改善我们的代码，进而更快地产出结果。也就是说，显卡可以代表生产力，显卡越好，生产力越强。程序训练的速度越快，我们也就可以更方便地看到结果从而进行下一步。大家可以回顾一下我在之前发布的几篇关于显卡的文章：更新深度学习装备:双(1080Ti)显卡装机实录新显卡出世，我
最近发现kaggle每周给了30小时的GPU额度，直接使用在线jupyter notebook，非常方便。以后就直接在kaggle上练习了。第一版，尽量不要“Save Version”离线运行，因为离线运行只要一个语句出错，整个程序白跑。所以一般是第一版在线跑完，没有错，之后改动比较小的细调时再离线跑。比如这场比赛，因为数据集是压缩包，所以需要先导入库、然后在线解压到缓存里（大概需要20分钟），然
转载
2024-09-01 21:48:28
834阅读
导 论：Kaggle 每周可以白嫖GPU资源约40小时，Kaggle相比于Colab而言可以离线运行，而且运行时间挺长的。Colab如果不开pro会员的话只能使用Tesla k40 这种低级显卡约4小时，开会员的话可以用Tesla V100、P100等显卡。Kaggle侧重于数据竞赛，他们希望你使用Kaggle来跑竞赛题目而不是你的实验工程。然而Kaggle不同于Colab
转载
2024-05-22 18:22:02
275阅读
关于本文章的最新更新请查看:oldpan博客前言对于很多入门深度学习领域的小伙伴来说啊，拥有一款合适的显卡是必要的，只有拥有好的装备才能更好更快地进行神经网络的训练、调试网络结构、改善我们的代码，进而更快地产出结果。也就是说，显卡可以代表生产力，显卡越好，生产力越强。程序训练的速度越快，我们也就可以更方便地看到结果从而进行下一步。大家可以回顾一下我在之前发布的几篇关于显卡的文章：更新深度学习装备:
转载
2024-08-08 11:37:29
754阅读
由于选修了数据挖掘课程，课程作业是完成Kaggle上的一个比赛，所以在机缘巧合下就知道了Kaggle这个平台，事实上我认为这是用来练手数据挖掘的一个绝佳场所。这篇文章适合和我一样刚接触Kaggle的朋友，对于已经熟悉这个平台的朋友，欢迎指出我的错误，必定虚心受教。本文分为两个部分，第一部分简单介绍在上面完成比赛的流程，第二部分以手写数字识别为例子详细描述完成比赛的整个过程。1、Kag
转载
2024-05-24 08:51:20
130阅读
方法一
Timer与TimerTask（Java实现）
public class timerTask extends Activity{
private int recLen = 11;
private TextView txtVie
转载
精选
2012-07-30 11:41:03
755阅读
前面已经有了两篇机器学习Kaggle入门的笔记，机器学习Kaggle入门，经典又兼具备趣味性的泰坦尼克号问题机器学习Kaggle入门，自行车租赁预测比赛第一个问题是分类问题，第二个问题是回归问题。两个案例主要是展示了特征工程的魅力，如何利用第三方库快速的实现模型搭建。现在这篇文章，会侧重介绍kaggle的实际操作”现场“，方便大家去跟着思路学习进入到kaggle的真实世界，不仅知道怎么做模型预测，
首先，简单介绍了一下卷积神经网络，卷积神经网络主要用于图片分类，或者在图片直接识别相似的特征，卷积神经网络接受的有色彩的图片，即是一个立方体，长宽由图片的长宽像素值决定(例如1920×1080)，深度为3，分别代表了RGB的值，这所谓的深度也常被人们称为 channel。为了简单起见，我们只考虑灰度图像，即黑白图像。当图片通过卷积神经网络，就想普通的神经网络一样，卷积神经网络识别不同的特征。但不是
这是 Kaggle 你问我答 (AMA) 的第一期活动，本期请到的嘉宾是 SueTao，他研究生毕业于东南大学，目前是腾讯的一名算法工程师。 Kaggle profile：https://www.kaggle.com/shentao
SueTao 擅长计算机视觉（Computer Vision），半年 5 战 5 金，也许是史上最快的 GrandMaster。截至
大数据竞赛平台——Kaggle 入门篇 这篇文章适合那些刚接触Kaggle、想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友，对于已经在Kaggle上参赛过的网友来说，大可不必耗费时间阅读本文。本文分为两部分介绍Kaggle，第一部分简单介绍Kaggle，第二部分将展示解决一个竞赛项目的全过程。如有错误，请指正！1、Kaggle简介 Kaggle是一个数据分析的竞赛平台，网址：ht
前言：window10+cuda9.0+cudnn+pycharm+py3.5+tensorflow1.9 这是本文的开发环境一、数据部分：从kaggle下载https://www.kaggle.com/c/dogs-vs-cats下载以后直接解压成两个文件，train和test，直接copy在eclipse的工程目录data中即可 二、结构部分： 三、代码部分： 1.input_data.
转载
2024-08-20 17:51:58
131阅读
