机器学习数据挖掘案例和竞赛代码.zip资源-CSDN文库

共61个文件

py：20个

ipynb：17个

png：9个

学科竞赛

需积分: 5 58 浏览量 2024-01-14 13:14:52 上传评论收藏 1.45MB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

机器学习数据挖掘案例和竞赛代码.zip （61个子文件）

SJT-code

numpy

线下门店服务器安装部署手册.docx - 快捷方式.lnk 2KB

np_test.py 471B

np_test2.py 214B

test.py 816B

kaggle手写数字识别

image

kaggle手写数字比赛.png 82KB

xgb_importance.png 31KB

迭代次数及时间.png 11KB

xgb_tree.png 592KB

kaggle排名及得分.png 7KB

.idea

xgb_learn.iml 398B

workspace.xml 18KB

misc.xml 323B

modules.xml 270B

xgb_diginum.py 2KB

model

迭代次数及时间.png 11KB

dump.raw.txt 0B

submission_xgb_MultiSoftmax.csv 208KB

.ipynb_checkpoints

xgboost_model_reload-checkpoint.ipynb 78KB

xgboost_model_reload.ipynb 78KB

matplot_test.ipynb 15KB

.gitattributes 65B

image

3.png 2KB

1.png 2KB

2.png 30KB

泰坦尼克生存预测案例

train.csv 59KB

Titanic.ipynb 47KB

test.csv 28KB

阿里天池o2o新人赛

xgb.py 3KB

wepe_o2o.ipynb 25KB

o2o_wepe_zhen.ipynb 79KB

讯飞CTR预测

川哥版

utils.py 571B

_2_train.py 3KB

_1_extract_features.py 11KB

鱼神大佬

kdxf_baseline.py 6KB

digi_onehot.py 683B

RXY初版

lambda_test.ipynb 12KB

pandas_test.ipynb 7KB

feature_extract.ipynb 27KB

check_column.ipynb 187KB

feature_re_extract.ipynb 14KB

feature_extract_test.ipynb 17KB

DC讯飞比赛(EDA & Baseline ).html 442KB

one_hot_test.py 440B

coursera_deeplearning

第一课第二周编程作业

assignment2_2.ipynb 134KB

lr_utils.py 880B

assignment2_1.ipynb 47KB

tensorflow

index.py 1KB

test3.py 2KB

test2.py 550B

tf衣服图片识别率提升

CNN_digit.py 2KB

Text_classifier_v1.py 2KB

README.md 619B

Text_classifier_v2.py 2KB

蝴蝶花(iris)分类案例

Iris3.ipynb 5KB

iris2.ipynb 194KB

iris2.py 2KB

Iris_clean.csv 4KB

Iris.py 2KB

Iris.ipynb 231KB

IrisFishData.csv 4KB

README.md 2KB

# 阿里O2o新人赛 3800多参赛队第50名 ![Image text](https://github.com/naginoasukara/Data-mining/blob/master/image/1.png) ![Image text](https://github.com/naginoasukara/Data-mining/blob/master/image/2.png) ![Image text](https://github.com/naginoasukara/Data-mining/blob/master/image/3.png) 需要gpu加速速率会快很多 # kaggle手写数字识别 ## 1.比赛页面如下 ![Image text](https://github.com/naginoasukara/Data-mining/blob/master/kaggle%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%AB/image/kaggle%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E6%AF%94%E8%B5%9B.png) ## 2.代码迭代次数及时间 ![Image text](https://github.com/naginoasukara/Data-mining/blob/master/kaggle%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%AB/image/%E8%BF%AD%E4%BB%A3%E6%AC%A1%E6%95%B0%E5%8F%8A%E6%97%B6%E9%97%B4.png) ## 3.xgb图 ![Image text](https://github.com/naginoasukara/Data-mining/blob/master/kaggle%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%AB/image/xgb_importance.png) ## 4.排名及结果 ![Image text](https://github.com/naginoasukara/Data-mining/blob/master/kaggle%E6%89%8B%E5%86%99%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%AB/image/kaggle%E6%8E%92%E5%90%8D%E5%8F%8A%E5%BE%97%E5%88%86.png) # tf衣服图片识别率提升 tf官方教程的识别网络结构是一开始全部对图片碾平成一维, 之后过两个全连接层. 我的改进是首先将数据reshape成四维, [batch, h,w,c]. CNN1+dropout+CNN2 256全连接 dropout 0.2 128全连接 68全连接 dropout0.2 10全连接准确率可以提升从0.86提升到0.91

评论收藏

内容反馈