kaggle资源

2019/03/07
这里记录几个认为比较好的kaggle kernel，有些是数据分析，有些是针对算法。

1.COMPREHENSIVE DATA EXPLORATION WITH PYTHON

这个kernel通过对变量分析（他的数据集都是数值型的），利用图显示了一些相关的关系；比较有意义的事他中间画的那个正太分布的曲线，不过我没看懂；
另外就是x轴是类似类别式的变量，画的箱线图；还有就是他相关分析选取的一些变量，应该有某种过滤式的算法就是这样做的。

2. Feature Selection and Data Visualization

这个kernel关注的变量依然是数值型的。首先利用可视化展示了数据，（琴图）。
但他的有些特征选择是基于主观的（最开始的时候）；采用了三种方法吧，用来做特征选择：相关性，单一变量分析，最后是利用随机森林。随机森林最后并没有给出怎么来使用这些变量，这就有点尴尬。最后讲解了一下PCA的方式。

亮点：

• 那个类似箱线图的散点图，第一次见；
• 混淆矩阵用图画出来，也很有直观的参考意义。

3. Cold Calls: Data Mining and Model Selection

这个kernel比较完整，基本上所有的操作都做了，数据分析、预处理、特征工程（特征选择好像没做），模型调优、模型选择等，后面可以按照这个kernel的过程过一遍。另外，他将一些内容进行函数封装，这个过程还是很不错的，代码也好整理， 我现在很多的notebook就有点乱