kaggle CrowdFlower

kaggle_crowdflower

搜索结果的第一名解决方案相关竞争Kaggle

我们在比赛期间获得的最佳单型模型是XGBoost模型，其线性增强型公共LB得分为0.69322和私人LB得分0.70768 。我们最终的获胜提交是一个中位数，由35个最佳公共LB提交。该提交的公共LB上得分为0.70807 ，私人LB上得分为0.72189。

什么是新的

• 2016/05/14：对于此代码和框架的更干净和模块化版本，您可能需要检查Kaggle_homedepot，该版本保存着Turing Test的解决方案，用于Kaggle上最近的Home Depot产品搜索相关竞赛的解决方案。

流程图

文档

有关文档，请参见./Doc/Kaggle_CrowdFlower_ChenglongChen.pdf 。

操作说明

• 从竞争网站下载数据，并将所有数据放入文件夹./Data 。
• 运行python ./Code/Feat/run_all.py生成功能。这将需要几个小时。
• 运行python ./Code/Model/generate_best_single_model.py生成最佳单个模型提交。根据我们的经验，仅需进行一些试验即可生成最佳性能或类似性能的模型。请参阅./Output/Log/[Pre@solution]_[Feat@svd100_and_bow_Jun27]_[Model@reg_xgb_linear]_hyperopt.log pre@solution nog in ./ feat@svd100_and_bow_jun27] _ [model@reg_xgb_linear]
• 运行python ./Code/Model/generate_model_library.py生成模型库。这很耗时。但是，您不必等待此脚本完成：一旦经过一些模型，就可以运行下一步。
• 运行python ./Code/Model/generate_ensemble_submission.py通过合奏选择生成提交。
• 如果您不想运行代码，只需在./Output/Subm中提交文件。