没有合适的资源?快使用搜索试试~ 我知道了~
kaggle_moa_winner_hungry_for_gold:Kaggle动作机制(MoA)预测的成功解决方案
共126个文件
ipynb:52个
py:37个
csv:14个
需积分: 14 0 下载量 135 浏览量
2021-05-10
05:26:57
上传
评论
收藏 311.98MB ZIP 举报
温馨提示
第一名获奖解决方案-行动机制(MoA)预测 本文档概述了如何重现“饥饿”金奖的第一名解决方案 :1st_place_medal: :1st_place_medal: Kaggle的动作机制(MoA)预测比赛小组。 存档内容 在final文件夹中:用于最终提交的所有脚本 最佳简历:我们第一次提交时使用的一组模型脚本,最佳简历得分融合 最佳LB:在我们的第二次提交中使用的一组模型脚本,最佳公共LB分数混合 培训:包括针对每个模型的Jupyter笔记本,以预处理输入数据并保存经过训练的模型权重。 可以在kaggle GPU笔记本电脑环境中运行。 推论:为每个模型包括Python脚本,以预处理输入数据并使用预先训练的权重进行推论。 请注意,对于2-StageNN+TabNet模型,由于UMAP依赖库“ numba.core ”的未知Kaggle环境错误,我们将其作为笔记本运行。 提交:在公共测试数据上包括预测的标签。 混合单个模型预测的笔记本 硬件 我
资源推荐
资源详情
资源评论
收起资源包目录
kaggle_moa_winner_hungry_for_gold:Kaggle动作机制(MoA)预测的成功解决方案 (126个子文件)
submission-resnest-v2.csv 15.83MB
submission-resnest-v2.csv 15.83MB
submission-effnet-v7-b3.csv 15.81MB
submission-effnet-v7-b3.csv 15.81MB
submission-resnest-v1.csv 15.8MB
submission-2heads-resnest.csv 15.8MB
submission.csv 15.74MB
submission.csv 15.7MB
submission-simplenn-old-split.csv 15.7MB
submission-3stagenn-10folds.csv 15.7MB
submission-2heads-ResNest.csv 15.7MB
submission-3stage-nn.csv 15.69MB
submission-2stagenn-tabnet.csv 15.68MB
submission-simplenn-new-split.csv 15.68MB
.gitignore 2KB
blend_search_optuna_v2.ipynb 916KB
blend_eda_v6.ipynb 600KB
kibuna-nn-hs-1024-last-train-markpeng.ipynb 578KB
kibuna-nn-hs-1024-last-train.ipynb 571KB
blend_eda_v7.ipynb 452KB
nn model with non scored [chris split].ipynb 338KB
nn model with non scored[old cv].ipynb 321KB
nn-model-without-non-scored[chris split].ipynb 271KB
deepinsight-efficientnet-lightning-v7-b3-train.ipynb 270KB
deepinsight-efficientnet-lightning-v7-b3-train.ipynb 270KB
deepinsight_efficientnet_lightning_v7_b3.ipynb 270KB
deepinsight_resnest_lightning_v2_drug_id.ipynb 264KB
deepinsight-resnest-lightning-v2-train.ipynb 261KB
deepinsight-resnest-lightning-v2-train.ipynb 261KB
deepinsight_resnest_lightning_v2.ipynb 261KB
deepinsight-resnest-lightning-v1-train.ipynb 260KB
deepinsight_resnest_lightning_v1.ipynb 260KB
deepinsight_efficientnet_lightning_v7_b3_drug_id.ipynb 257KB
final-best-lb-cleaned.ipynb 251KB
fork-of-blending-with-6-models-5old-1new.ipynb 250KB
blending-with-6-models-5old-1new.ipynb 249KB
deepinsight_resnest_lightning_v1_drug_id.ipynb 246KB
blend_eda_final.ipynb 231KB
simple-nn-using-old-cv-markpeng.ipynb 223KB
pytorch-transfer-learning-with-k-folds-by-drug-ids (1).ipynb 221KB
simple-nn-using-old-cv.ipynb 220KB
blend-search-optuna-v7.ipynb 203KB
nn model without non scored[old cv].ipynb 202KB
blend_search_optuna_v6_per_target.ipynb 197KB
final-best-CV-cleaned.ipynb 179KB
tabnet-training-10folds-1-seed.ipynb 155KB
2stage-nn-tabnet-inference.ipynb 141KB
deepinsight_efficientnet_lightning_v9_b0_drug_id.ipynb 140KB
deepinsight_efficientnet_lightning_v9_b3_drug_id.ipynb 123KB
blend_search_optuna_v1.ipynb 113KB
improving-mark-s-2-heads-model-infer.ipynb 102KB
fork-of-2heads-looper-super-puper-markpeng-infer.ipynb 98KB
fork-of-2heads-looper-super-puper-markpeng.ipynb 91KB
2heads-ResNest-train.ipynb 91KB
deepinsight_efficientnet_lightning_v10_b3.ipynb 80KB
improving-mark-s-2-heads-model.ipynb 68KB
2heads-resnest-train.ipynb 68KB
blend_search_optuna_v7.ipynb 49KB
2stagenn-tabnet-train.ipynb 40KB
3-stagenn-train.ipynb 36KB
3stagenn-10folds-train.ipynb 36KB
blend_search_optuna_v6.ipynb 34KB
blend_search_optuna_v3.ipynb 24KB
blend_search_optuna_v4.ipynb 23KB
blend_search_optuna_v5.ipynb 23KB
simple-nn-using-old-cv-train.ipynb 22KB
simple-nn-new-split-train.ipynb 22KB
main_predictors.json 26KB
main_predictors.json 26KB
LICENSE 11KB
README.md 6KB
README.md 1KB
oof_deepinsight_efficientnet_lightning_v7_b3_0.01850.npy 37.43MB
oof_NN_oldcv_10fold.npy 37.43MB
oof_script_simpleNN_oldcv.npy 37.43MB
oof_2stageNN_ns_oldcv_10folds.npy 37.43MB
oof_supervised_tabnet_v2_seeds_0.014939561499719265.npy 37.43MB
oof_deepinsight_ResNeSt_v2_resnest50_0.01854.npy 37.43MB
oof_deepinsight_ResNeSt_v1_resnest50_0.014619621213185928.npy 37.43MB
oof_nn_ns_newcv.npy 34.49MB
oof_improving-mark-s-2-heads-model_0.015660083675738144.npy 34.49MB
oof_2stageNN_ns_oldcv.npy 34.49MB
oof_fork-of-2heads-looper-super-puper-markpeng.npy 34.49MB
oof_tabnet_ns_oldcv.npy 34.49MB
moa_hungry_for_gold_winning_solution_writeup.pdf 1.07MB
blend_search_optuna_v6_per_target_0.015043750643197006.pkl 13KB
supervised_tabnet_v2_seeds_infer.py 121KB
deepinsight-efficientnet-lightning-v7-b3-inference.py 55KB
deepinsight_efficientnet_lightning_v7_b3_infer.py 55KB
deepinsight-efficientnet-lightning-v7-b3-inference.py 55KB
deepinsight-efficientnet-lightning-v7-b3-inference.py 54KB
deepinsight-efficientnet-lightning-v7-b3-train.py 54KB
deepinsight-resnest-lightning-v2-inference.py 48KB
deepinsight_resnest_lightning_v2_infer.py 48KB
deepinsight-resnest-lightning-v2-inference.py 48KB
deepinsight-resnest-lightning-v2-inference.py 48KB
deepinsight-resnest-lightning-v2-train.py 47KB
deepinsight-resnest-lightning-v1-inference.py 47KB
deepinsight_resnest_lightning_v1_infer.py 47KB
2stageNN_with_ns_oldcv.py 39KB
共 126 条
- 1
- 2
资源评论
帝哲
- 粉丝: 44
- 资源: 4669
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 使用python爬取数据并采用Django搭建系统的前后台,使用Spark进行数据处理并进行电影推荐项目源码
- 基于C++的简易图书管理系统(含exe可执行文件)
- Python毕业设计基于知识图谱的电影推荐系统源码(完整项目代码)
- 国际象棋棋子检测3-YOLO(v5至v9)、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar
- Hadoop复习资料题库.zip
- 基于python和协同过滤算法的电影推荐系统
- 基于resnet的动物图像分类系统(python期末大作业)PyQt+Flask+HTML5+PyTorch.zip
- 电动蝶阀远程自动化控制系统的构建与应用
- 使用机器学习算法基于用户的社交媒体使用情况预测用户情绪
- jQuery信息提示插件
- 国际象棋棋子检测8-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- 2023最新仿蓝奏云合集下载页面系统源码 带后台版本
- Cisco Packet Tracer实用技巧及网络配置指南
- 基于SpringBoot+Vue的家具商城系统设计与实现(编号:97913147)(1).zip
- 基于springboot+vue的大学生创业项目的信息管理系统(编号:96166263).zip
- 基于Springboot的本科实践教学管理系统(编号:1407703).zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功