kaggle CrowdFlower

kaggle_crowdflower

搜索結果的第一名解決方案相關競爭Kaggle

我們在比賽期間獲得的最佳單型模型是XGBoost模型，其線性增強型公共LB得分為0.69322和私人LB得分0.70768 。我們最終的獲勝提交是一個中位數，由35個最佳公共LB提交。該提交的公共LB上得分為0.70807 ，私人LB上得分為0.72189。

什麼是新的

• 2016/05/14：對於此代碼和框架的更乾淨和模塊化版本，您可能需要檢查Kaggle_homedepot，該版本保存著Turing Test的解決方案，用於Kaggle上最近的Home Depot產品搜索相關競賽的解決方案。

流程圖

文件

有關文檔，請參見./Doc/Kaggle_CrowdFlower_ChenglongChen.pdf 。

操作說明

• 從競爭網站下載數據，並將所有數據放入文件夾./Data 。
• 運行python ./Code/Feat/run_all.py生成功能。這將需要幾個小時。
• 運行python ./Code/Model/generate_best_single_model.py生成最佳單個模型提交。根據我們的經驗，僅需進行一些試驗即可生成最佳性能或類似性能的模型。請參閱./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]
• 運行python ./Code/Model/generate_model_library.py生成模型庫。這很耗時。但是，您不必等待此腳本完成：一旦經過一些模型，就可以運行下一步。
• 運行python ./Code/Model/generate_ensemble_submission.py通過合奏選擇生成提交。
• 如果您不想運行代碼，只需在./Output/Subm中提交文件。