Kaggle大瓜系列报道之八——网友评价

最新推荐文章于 2024-07-12 15:56:49 发布
最新推荐文章于 2024-07-12 15:56:49 发布
阅读量382 收藏
点赞数
分类专栏： Kaggle大瓜系列报道 文章标签： Kaggle 天池 八卦 数据挖掘 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/opsrcsprt/article/details/101946041
版权

Kaggle大瓜系列报道之八——网友评价

帖子一经发出即引起热烈讨论，短短一天时间，upvote数量已经超过100。
在这里插入图片描述
那么，网友对于”宝典帮“的疑似作弊行为持什么看法呢？

网友1：真的丢人
在这里插入图片描述
网友2：他们这样做不是第一次了
在这里插入图片描述
网友3：赛友心中已有答案
在这里插入图片描述
网友4：我早发过一样的帖子，但是很多人vote down我的帖子
在这里插入图片描述

传送门：
系列报道之一：来龙去脉
系列报道之二：发帖人
系列报道之三：帖子内容
系列报道之四：证据1
系列报道之五：证据2
系列报道之六：涉及队伍
系列报道之七：网友补充证据
系列报道之八：网友评价
系列报道之九：结局——取消成绩

Kaggle圈八卦
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Kaggle大瓜系列报道之七——网友补充证据
opsrcsprt的博客
10-02 742
Kaggle大瓜系列报道之七——网友补充证据 帖子一经发出即引起热烈讨论，短短一天时间，upvote数量已经超过100。 很多热心网友为贴主提供了更多证据，证明“宝典帮”分散成多个队伍，通过私下分享来获得多份奖金。 比如，有网友指出，在Kaggle地震预测比赛中（[链接]）(https://www.kaggle.com/c/LANL-Earthquake-Prediction/leaderboa...
Kaggle大瓜系列报道之一——来龙去脉
opsrcsprt的博客
10-02 1028
Kaggle大瓜系列报道之一——来龙去脉 近日，Kaggle上一篇讨论帖引爆竞赛圈： Just a kind remind (private sharing in kaggle) 这篇帖子涉及几个所谓的竞赛“大佬”，包括鱼遇雨欲语与余 (王贺)、YB (Orange)、**LongYin(杰少、老师社会、杰尘沙少、张杰)**等等。 这篇帖子揭露了一些所谓竞赛“大佬”通过与不同队伍组队，骗取代码，然...
Kaggle大瓜系列报道之六——涉及队伍
opsrcsprt的博客
10-02 710
Kaggle大瓜系列报道之六——涉及队伍 原帖作者提出，“宝典帮”的选手混入了各个队伍骗取答案，并指出了这些队伍： hold on to forever、DLMPS、bird and fish、Magic_、 Happy 70th anniversary to China、 looking for features 那么，这些队伍现在排名如何呢？队伍中都是谁呢？有哪些“宝典帮”成员呢？让博主来康康...
Kaggle大瓜系列报道之二——发帖人
opsrcsprt的博客
10-02 599
Kaggle大瓜系列报道之二——发帖人 首先我们看看这个发帖人是谁： 发帖人名字叫“袋鼠”，不是一个熟悉的id。Kaggle战绩还蛮厉害的： Kaggle Master，两个Kaggle Top 10。 那么这个“袋鼠”究竟是谁呢？在这次的比赛中，他的队友中有一些我们熟悉的id，比如chizhu和nurbs： 他们应该可以为“袋鼠”究竟是谁提供一些线索。 ...
基于Kaggle的经典AI项目——数据集
08-09
基于Kaggle的经典AI项目——数据集： 含有如下字段 MSZoning: String, // 房屋类型:农用,商用等 LotFrontage: String, // 距离街道的距离 LotArea: String, // 房屋的面积
kaggle——销量预测 Top1%
01-21
这个比赛当时是在jupyter notebook上编程的，这篇博客是之前自己整理的代码和流程记录。 但是很可惜，notebook转markdown显示效果很不好，下面给出目录和代码。 # coding: utf-8 # # 数据分析 ...
titanic数据集——kaggle
08-16
KAGGLE竞赛官方网站上下载下来的数据集,最全kaggle泰坦尼克数据集。欢迎下载。 正版数据集含代码使用，避免官网下载注册的麻烦。正版数据集含代码使用，避免官网下载注册的麻烦。正版数据集含代码使用，避免官网下载...
灾难推文的自然语言处理——来自 kaggle 的任务
01-26
比赛数据集并不太大，即使您没有太多的个人计算能力，您也可以在我们免费、无需设置、名为Kaggle Notebooks的 Jupyter Notebooks 环境中完成所有工作。 比赛说明 Twitter已成为紧急情况下的重要沟通渠道。 智能手机...
Kaggle大瓜系列报道之九——结局：取消成绩
opsrcsprt的博客
10-04 2459
Kaggle大瓜系列报道之九——结局：取消成绩 比赛进入尾声，由Public Leaderboard切换至Private Leaderboard（也即A榜切换为B榜），结局与博主预料的一致： 在B榜中，“宝典帮”的八个队伍成绩出现了大幅shake，未能保住原来的名次 部分队伍由于提交文件极度相似、ip地址相同，被Kaggle官方取消了成绩 其他队伍仍然逍遥法外 一、Shake Up Kaggl...
Kaggle大瓜系列报道之三——帖子内容
opsrcsprt的博客
10-02 519
Kaggle大瓜系列报道之三——帖子内容 下面对帖子的内容进行原汁原味的翻译 题目：【温馨提示(Kaggle中的私下分享)】 内容：有些人通过加入不同的队伍、获取赛题解决方案，然后通过私下分享提升他们自己的成绩。在中国，这种行为称为“PY交易”，一个典型的从事“PY交易”的组织是“宝典帮”。（译者按：在圈子里都有固定的“代号”了，一定是名声臭到一定境界了…）。现在，“宝典帮”开始污染Kaggle...
Kaggle大瓜系列报道之四——证据1
opsrcsprt的博客
10-02 502
Kaggle大瓜系列报道之四——证据1 说这些所谓“大神”从事“PY交易”，骗答案、提升自己的成绩，帖子作者有何证据呢？ 首先，作者分享了“鱼遇雨欲语与余 ”在比赛中发过的帖子： 鱼佬：分数不错！我单模9529，加我微信，418811687 Huguoluo：好的！已经发起merge request 鱼佬：先加微信完成交易。 对此，网友评论到： “我对PY交易不感兴趣。我只想知道：先加微信完成...
Kaggle大瓜系列报道之五——证据2
opsrcsprt的博客
10-02 384
Kaggle大瓜系列报道之五——证据2 说这些所谓“大神”从事“PY交易”，骗答案、提升自己的成绩，帖子作者有何证据呢？ 作者给出的第二个证据是，涉案的几个队伍成绩提升曲线高度同步： 不知道这些数据是否是作者爬取的？ 帖子作者应该是认为，这几个队伍的成绩提高的时间点基本一致，是他们之间存在“PY交易”的有力证据。 对此，网友评论： “很专业????” 博主认为，只提供这六个队伍成绩提升曲线并不能说明...
机器学习库实战：DL4J与Weka在Java中的应用
weixin_53840353的博客
07-11 541
Deeplearning4j（DL4J）是一个用于Java和JVM的开源深度学习库，它支持各种神经网络架构，包括卷积神经网络（CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）。DL4J旨在与Hadoop和Spark等大数据技术无缝集成。Weka（Waikato Environment for Knowledge Analysis）是一个用于数据挖掘任务的机器学习库，它提供了大量的算法和工具来处理数据预处理、分类、回归、聚类和关联规则挖掘等任务。
机器学习（五） -- 监督学习（7） --SVM2
zqx1473的博客
07-11 544
tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。！！”一般需要特别注意或者容易出错的地方。本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。由于作者时间不算富裕，有些内容的《算法实现》部分暂未完善，以后有时间再来补充。见谅！文中为方便理解，会将接口在用到的时候才导入，实际中应在文件开始统一导入。三、**算法实现。
【深度学习】图形模型基础(7)：机器学习优化中的方差减少方法(1)
MUKAMO的博客
07-11 914
随机优化中，方差降低技术（VR方法）自近八年崛起，显著提升了随机梯度下降算法（SGD）的收敛速度。VR方法允许多次迭代训练数据，理论与实践均优于传统SGD。本文概述VR方法在有限数据集优化中的关键原则与进展，针对非专家，聚焦凸优化环境，并引导读者探索非凸函数最小化的扩展领域。VR方法的快速发展展现了其在机器学习中的巨大潜力与前景。
引领未来：在【PyCharm】中利用【机器学习】与【支持向量机】实现高效【图像识别】
最新发布
小李很执着的博客
07-12 3090
支持向量机（SVM）进行图像识别的完整过程，包括从获取并可视化MNIST数据集、进行数据标准化、划分训练和测试集、通过网格搜索优化SVM模型、评估模型性能到预测新图像的各个步骤，并在代码中添加了调试输出和计时器以便更好地跟踪和优化整个过程。
kmeans.fit_predict 和 kmeans.fit有什么区别
hello！
07-11 375
方法在训练模型的同时，还会返回每个样本的聚类标签。如果需要训练模型并立即得到聚类结果，可以使用。是 scikit-learn 库中用于执行 K-means 聚类算法的类。如果只需要训练模型而不需要立即得到聚类结果，可以使用。是该类中的两个方法，的主要区别在于返回的内容和用途。方法仅用于训练模型，而。
机器学习深度学习用得到的数据集
m0_53291740的博客
07-10 1256
以下是一些常见的机器学习数据集下载渠道：还有一些其他途径可以获取数据集，比如：一些具体的数据集如下：
kaggle案例精选——电信客户流失预测
12-28
Kaggle是一个数据科学竞赛平台，为了帮助企业更好地了解客户流失情况，提供了很多有关电信客户流失预测的案例。电信客户流失是指客户在一定时间内停止使用电信服务的现象。在这个案例中，数据科学家可以利用Kaggle上...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值