Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
d2l-zh
提交
d886e021
D
d2l-zh
项目概览
OpenDocCN
/
d2l-zh
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
d886e021
编写于
6月 24, 2018
作者:
A
Aston Zhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
rm refs in kaggle price
上级
a31d9a91
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
9 addition
and
11 deletion
+9
-11
chapter_supervised-learning/kaggle-gluon-kfold.md
chapter_supervised-learning/kaggle-gluon-kfold.md
+9
-11
未找到文件。
chapter_supervised-learning/kaggle-gluon-kfold.md
浏览文件 @
d886e021
...
...
@@ -15,11 +15,16 @@
## Kaggle比赛
Kaggle
是一个著名的供机器学习爱好者交流的平台 [1]
。图3.7展示了Kaggle网站首页。为了便于提交结果,请大家注册Kaggle账号。
Kaggle
(网站地址:https://www.kaggle.com )是一个著名的供机器学习爱好者交流的平台
。图3.7展示了Kaggle网站首页。为了便于提交结果,请大家注册Kaggle账号。
![
Kaggle网站首页。
](
../img/kaggle.png
)
我们可以在预测房价比赛的网页上了解比赛信息和参赛者成绩、下载数据集并提交自己的预测结果 [2]。图3.8展示了预测房价比赛的网页信息。
我们可以在预测房价比赛的网页上了解比赛信息和参赛者成绩、下载数据集并提交自己的预测结果。该比赛的网页地址是
> https://www.kaggle.com/c/house-prices-advanced-regression-techniques
图3.8展示了预测房价比赛的网页信息。
![
预测房价比赛的网页信息。
](
../img/house_pricing.png
)
...
...
@@ -27,7 +32,7 @@ Kaggle是一个著名的供机器学习爱好者交流的平台 [1]。图3.7展
## 获取和读取数据集
比赛数据分为训练数据集和测试数据集。两个数据集都包括每栋房子的特征,例如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚至是缺失值“na”。只有训练数据集包括了每栋房子的价格。我们可以访问比赛网页,点击“Data”标签,并下载这些数据集
[2]
。
比赛数据分为训练数据集和测试数据集。两个数据集都包括每栋房子的特征,例如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚至是缺失值“na”。只有训练数据集包括了每栋房子的价格。我们可以访问比赛网页,点击“Data”标签,并下载这些数据集。
下面,我们通过使用
`pandas`
读入数据。请确保已安装
`pandas`
(命令行执行
`pip install pandas`
)。
...
...
@@ -238,7 +243,7 @@ train_and_pred(num_epochs, verbose_epoch, train_features, test_features,
train_labels, test_data, lr, weight_decay, batch_size)
```
上述代码执行完之后会生成一个“submission.csv”文件。这个文件是符合Kaggle比赛要求的提交格式的。这时,我们可以在Kaggle上把我们预测得出的结果进行提交,并且查看与测试数据集上真实房价(标签)的误差。具体来说有以下几个步骤:你需要登录Kaggle网站,访问预测房价比赛网页,并点击右侧“Submit Predictions”或“Late Submission”按钮
[2]
。然后,点击页面下方“Upload Submission File”选择需要提交的预测结果文件。最后,点击页面最下方的“Make Submission”按钮就可以查看结果了。如图3.9所示。
上述代码执行完之后会生成一个“submission.csv”文件。这个文件是符合Kaggle比赛要求的提交格式的。这时,我们可以在Kaggle上把我们预测得出的结果进行提交,并且查看与测试数据集上真实房价(标签)的误差。具体来说有以下几个步骤:你需要登录Kaggle网站,访问预测房价比赛网页,并点击右侧“Submit Predictions”或“Late Submission”按钮。然后,点击页面下方“Upload Submission File”选择需要提交的预测结果文件。最后,点击页面最下方的“Make Submission”按钮就可以查看结果了。如图3.9所示。
![
Kaggle预测房价比赛的预测结果提交页面。
](
../img/kaggle_submit2.png
)
...
...
@@ -260,10 +265,3 @@ train_and_pred(num_epochs, verbose_epoch, train_features, test_features,
## 扫码直达[讨论区](https://discuss.gluon.ai/t/topic/1039)
![](
../img/qr_kaggle-gluon-kfold.svg
)
## 参考文献
[1] Kaggle网站。 https://www.kaggle.com
[2] Kaggle房价预测比赛网址。 https://www.kaggle.com/c/house-prices-advanced-regression-techniques
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录