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
kaggle-titanic-beginner
Kaggleの中でも特に有名な課題として「Titanic : Machine Learning from Disaster」（意訳：タイタニック号：災害からの機械学習）があります。先日に「Kaggleとは？機械学習初心者が知っておくべき3つの使い方」にて、初心者向けのKaggleの利用のコツをまとめましたが、今回はKaggleで公開されている実際のデータセットを使って、機械学習で予測を作って投稿してみましょう。 この記事の概要と対象者 今回のKaggle紹介記事では、Kaggle初心者向けに公開されているデータセットを使って「タイタニックの生存者予測」をPythonを使って行います。Pythonはある程度使えるけど・・機械学習を触ったことが無い、とりあえず機械学習をやってみたい、という方に向けた記事です。（機械学習中〜上級者の方には、物足りない内容です） このチュートリアルで使うもの Py
kaggle Titanicに挑戦！
初めに この記事では、kaggleのTitanicコンペについて初心者にも分かりやすいように説明していきます！(自分も初心者ですが...)なお、コードは以下を参考にして下さい。 まずはkaggleの登録をしよう まず、kaggleの登録方法を説明します。ブラウザでkaggleと検索し、一番上のページを開くと、おそらく下のような画面になるかと思います。右上のRegisterから登録します。Googleアカウントをお持ちの方は左下のREGISTER WITH GOOGLEから登録することもできます。 kaggleの登録を終えたらサインインします。左上に三本線のメニューがあり、そこをクリックすると下のような画面になります。Competitionsをクリックすると、開催中のコンペがたくさん表示されます。Codeをクリックすると、他の人が書いたコードを見たり、自分のコードを書いたりできます。Cour
Kaggleにおける「特徴量エンジニアリング」の位置づけ 〜『機械学習のための特徴量エンジニアリング』に寄せて〜 - u++の備忘録
はじめに 『機械学習のための特徴量エンジニアリング』の書誌情報 Kaggleのワークフロー 1. （探索的データ分析） 2. ベースラインモデルの構築 3. Validationの構築 4. 特徴量エンジニアリング 5. ハイパーパラメータ調整 6. アンサンブル 『機械学習のための特徴量エンジニアリング』の貢献箇所 Kaggle観点で本書をオススメする読者 おわりに はじめに このたび、『機械学習のための特徴量エンジニアリング』をご恵贈いただきました。 Kaggleと親和性が高い書籍名で、Twitterのタイムラインなどを見るに、Kaggleに興味がある層を中心に大きな注目を集めているようです。 本記事では本書の発売に寄せて、Kaggleの自分流のワークフローと「特徴量エンジニアリング」の位置づけについての私見を述べます。その上で本書がKaggleのワークフローのどの部分に寄与するかを説
Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～ - Qiita
Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～PythonKaggle 事業会社でデータサイエンティストをしているu++です。普段ははてなブログ1で、Kaggleや自然言語処理などデータ分析に関する記事を定期的に書いています。 Kaggleでは2019年に「PetFinder.my Adoption Prediction」2というコンペで優勝（チーム）し、「Santander Value Prediction Challenge」3というコンペで銀メダルを獲得（個人）しました。「Kaggle Master」と呼ばれる称号4を得ており、Kaggle内ランクは、約16万人中最高229位です5。 本記事では「Kaggleに登録したら次にやること」と題して、Kaggleに入門したい方に向けて次のようなコンテンツを掲載します。
序盤に試すテーブルデータの特徴量エンジニアリング
この記事はKaggle Advent Calendar 2021の4日目の記事です． はじめに この記事ではテーブルデータコンペティションにおいて，主に数値データ，カテゴリデータをもとに特徴量を作成する方法をまとめました．発展的な内容というより，初めてコンペに参加する方でも使える汎用的な特徴量エンジニアリングを紹介します． 特徴量エンジニアリング！...そのまえに モデルについて 特徴量エンジニアリングはモデルによって処理が変わることがあります． 例えば勾配ブースティング決定木(GBDT)といった決定木はスケーリングする必要がなく，またLightGBMなどは欠損値をそのまま扱うことができます．一方でニューラルネットワーク(NN)や線形回帰モデルはスケーリングおよび欠損値補完をする必要があります． このこと以外にも，決定木は各特徴量間で差や比率を表現することが苦手であるために明示的に作る必要
SIGNATEのデータ分析コンペで入賞しました(金メダル) | Nature Insight ネイチャーインサイト株式会社
SIGNATEのデータ分析コンペで入賞しました(金メダル) 初めまして、日頃の業務でもデータ分析を担当していますt.iijimaと申します。 少し投稿が遅くなりましたが、この度2022/4/13~6/2に開催された下記のSIGNATEのデータ分析コンペにて、 4位入賞(Private LB :6位(金メダル) / 835人投稿)いたしました。 ソニーグループ合同 データ分析コンペティション（for Recruiting）大気中の汚染物質濃度の予測に挑戦しよう！ https://signate.jp/competitions/624 この記事では、今回入賞に至った解法をご紹介することを主な目的として、以下の内容にについて記載いたします。 ■コンペの問題設定 ■実施した解法 ■結果の推移 ■考察など ■コンペの問題設定 今回のコンペの目的は、世界各地の都市の大気観測データや気象情報を用いて、
KaggleチュートリアルTitanicで上位2%以内に入るノウハウ - Qiita
1.はじめに 機械学習を勉強し始めたので、なにはともあれ Kaggleの初心者向けチュートリアル、タイタニックにトライしてみました。 最初は、日本語のWeb情報を参考に、自分なりに特徴量を色々いじってみたわけですが、学習データでは良い精度が出ても、テストデータをSubmitすると、思った様に精度は上がらず、なかなか80%の壁を破れず悶々としていました。 そうした中で、英文なので取っ付き難いですが、Kaggle/TaitanicのNotebookにある先人の知恵を拝借して、やっと上位2%に入れたので、特に参考になった点を中心に備忘録として残します。 では、コードに沿って説明して行きます。 1.データの読み込み まず、データセットを読み込みます。trainとtestを別々に扱うと、2回同じ処理をする必要があるので、合体させdfとします。 import numpy as np import pa
Kaggle入門
Kaggle入門 データ分析／機械学習の競技大会プラットフォーム「Kaggle」についての初心者向け連載。コンペティションの内容から、事例に基づくノウハウ、実際にメダルを受賞してKaggle Masterになるための道標を示す。 第1回 Kaggleはじめの一歩（2021/05/12） Kaggleとは ・コンペティションの種類 - Competition Types - Competition Formats ・Leaderboardの仕組み ・Medals - Medalists 初心者おすすめコンテンツ ノウハウ（1） DiscussionとCodeを見る ノウハウ（2） Kaggle Notebook／マシンの使い方 ・Kaggle Notebook ・クラウドサービス ・ローカルマシン ノウハウ（3） とにかくデータを見る ノウハウ（4） 過去コンペティションの解法で勉強する、L
kaggle-apiというKaggle公式のapiの使い方をまとめます - カレーちゃんブログ
いつものように、Kaggleのtitanicのページをみていたら、以下のような表示があって、驚きました。 Kaggle公式のapiがベータ版でリリースされていたとのこと。 簡単に、データをダウンロードしたり、サブミットしたり、コンペ一覧を取得したりすることができてとても便利です。 使い方をまとめます。 最近追加されたと思われる記載 使い方 使い方は、公式のgithubである、GitHub - Kaggle/kaggle-api: Official Kaggle APIに書いてあり、使用例も含めてよくまとまっています。 公式は英語なので、わかりにくという方むけに、日本語で使い方をまとめます。 pip install kaggle でインストール Kaggleのuser profileのページ(https://www.kaggle.com/ <username> 1/account) に移動し
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
機械学習初心者がKaggleの「入門」を高速で終えるための、おすすめ資料などまとめ（2020年8月版）｜カレーちゃん