Kaggleのハードルを下げたい！ - Qiita
Image generated by OpenAI's DALL·E-3. はじめに こんにちは！ 突然ですが、Kaggleのハードルって高くないですか？特に初見だと、複雑なルールや大量のデータなどに圧倒されてしまう人も多いかもしれませんね。また、全て英語なので非英語話者にとってはそこもハードルを上げる原因になっていると考えられます。実際は慣れれば簡単なことも多いのですが、Kaggle慣れするまでにやや時間がかかるのも事実です。そこで、少しでもKaggleのハードルを下げたいと考えて本記事を執筆しました。 対象読者様 この記事は、以下のような方をメインに想定して執筆しました。 AI・データ分析・機械学習に興味があって、Kaggleに参加しようと思ったけどハードルが高くて躊躇している方 Kaggleに参加したはいいものの、ドロップアウトしてしまった方 Kaggleのハードルを乗り越えたい方
機械学習による株価予測 KaggleのJPXコンペを終えて - Qiita
はじめに UKIです。 Kaggleで開催されたJPX Tokyo Stock Exchange Predictionのサブミッションが終了しました。本コンペの結果が出るのは3ヶ月後ですが、記憶が鮮明なうちにコンペを終えた感想をまとめておきたいと思います。 コンペ仕様 ざっくり要約すると、 日本株2000銘柄の中から、 毎日200銘柄ロング、200銘柄ショートし、 3カ月間の日次損益のシャープを競う 運ゲーになりがちなファイナンスコンペですが、以下の点で問題設定に工夫が凝らされていると感じました。 買い入れ銘柄数を大きくすることで異常値の影響を軽減する 例えば買い入れ銘柄が少ない場合、運よくSTOP高銘柄を引き当てたプレイヤーは大きなアドバンテージを得ることになります。買い入れ銘柄を大きくすることで異常値の影響を軽減し、予測性能の実力を可能なかぎり測れるよう配慮されています。 評価指標がシ
JPX Tokyo Stock Exchange Prediction | Kaggle
Explore the Tokyo market with your data science skills
Kaggle M5 Forecasting 備忘録 - Qiita
はじめに 2020年3月から6月にかけて開催されていたコンペ「Kaggle M5 Forecasting Accuracy / Uncertainty」に参加しました。結果としてUncetaintyで暫定4位を獲得することが出来ました。また、Accuracyでも暫定で銀メダルとなりました（正式な順位は7月15日頃に確定する予定 10月29日に表彰式が開催され、正式に４位となりました。）。 ここでは今回のコンペの概要と、私が工夫した点を紹介したいと思います。 コンペの内容について コンペの概要 Kaggle M5 Forecastingは、米国3州（カリフォルニア州、テキサス州、ウィスコンシン州）に存在するウォルマート10店舗における、3049種類の商品の売上（販売数量）を予測するというコンペです。売上そのものを予測するAccuracyと、売上の分布を予測するUncertaintyの２つの部
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
JPX Tokyo Stock Exchange Prediction | Kaggle
colabでkaggleのdatasetをマウントする
Lux AI | Kaggle
Jane Street Market Prediction | Kaggle
for_Japanese_beginner(with WRMSSE in LGBM))
M5 Forecasting : Lightgbm with Timeseries Splits
Kaggle Blog – Medium