kaggle CrowdFlower

Kaggle_crowdflower

Solución de 1er lugar para los resultados de búsqueda de competencia de relevancia en Kaggle

El mejor modelo único que hemos obtenido durante la competencia fue un modelo XGBOOST con un refuerzo lineal de puntaje LB público 0.69322 y puntaje de LB privado 0.70768 . Nuestra final de presentación ganadora fue un conjunto medio de 35 mejores presentaciones de LB públicas. Esta presentación obtuvo 0.70807 en Public LB y 0.72189 en LB privado.

Qué hay de nuevo

• 2016/05/14: para una versión más limpia y modularizada de este código y marco, es posible que desee consultar KAGGLE_HOMEDEPOT, que contiene la solución del código de Turing Test para la competencia de relevancia de búsqueda de productos recientemente Home Depot en Kaggle.

Diagrama de flujo

Documentación

Ver ./Doc/Kaggle_CrowdFlower_ChenglongChen.pdf para la documentación.

Instrucción

• Descargue datos del sitio web de la competencia y coloque todos los datos en la carpeta ./Data .
• Ejecute python ./Code/Feat/run_all.py para generar características. Esto tomará unas horas.
• Ejecute python ./Code/Model/generate_best_single_model.py para generar el mejor envío de modelo único. En nuestra experiencia, solo se necesitan algunas pruebas para generar un modelo de mejor rendimiento o rendimiento similar. Consulte el inicio de sesión de capacitación ./Output/Log/[Pre@solution]_[Feat@svd100_and_bow_Jun27]_[Model@reg_xgb_linear]_hyperopt.log Por ejemplo.
• Ejecute python ./Code/Model/generate_model_library.py para generar la biblioteca de modelos. Esto lleva mucho tiempo. Pero no tiene que esperar a que termine este script: puede ejecutar el siguiente paso una vez que tenga algunos modelos entrenados.
• Ejecute python ./Code/Model/generate_ensemble_submission.py para generar envío a través de la selección de conjunto.
• Si no desea ejecutar el código, simplemente envíe el archivo ./Output/Subm .