kaggle CrowdFlower

Kaggle_crowdflower

1 -е место для решения для результатов поиска Соревнования на Kaggle

Лучшей единственной моделью, которую мы получили во время конкурса, была модель XGBOOST с линейным усилителем общественного балла LB 0,69322 и частным баллом LB 0,70768 . Наша последняя победная подчинение стало средним ансамблем из 35 лучших публичных представлений LB. Это представление набрало 0,70807 на общественном LB и 0,72189 на частном LB.

Что нового

• 2016/05/14: для более чистой и модульной версии этого кода и структуры вы, возможно, захотите проверить Kaggle_homedepot, которая содержит решение для теста Turing Test для недавнего конкурса по поиску продуктов для домашнего депо на Kaggle.

Блок -схема

Документация

См ./Doc/Kaggle_CrowdFlower_ChenglongChen.pdf

Инструкция

• Загрузите данные с веб -сайта конкурса и поместите все данные в папку ./Data .
• Запустите python ./Code/Feat/run_all.py чтобы генерировать функции. Это займет несколько часов.
• Запустите python ./Code/Model/generate_best_single_model.py чтобы генерировать лучшую подчинение единственной модели. По нашему опыту, для получения модели лучшей производительности или аналогичной производительности требуется всего несколько испытаний. См. Журнал обучения ./Output/Log/[Pre@solution]_[Feat@svd100_and_bow_Jun27]_[Model@reg_xgb_linear]_hyperopt.log
• Запустите python ./Code/Model/generate_model_library.py чтобы генерировать библиотеку модели. Это занимает много времени. Но вам не нужно ждать, пока этот скрипт завершится: вы можете запустить следующий шаг, как только у вас будут подготовлены некоторые модели.
• Запустите python ./Code/Model/generate_ensemble_submission.py чтобы генерировать подчинение через выбор ансамбля.
• Если вы не хотите запускать код, просто отправьте файл в ./Output/Subm .