| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
- 프로그래밍 대회 입문 가이드
- 인공지능을 위한 선형대수
- Homogeneous Poisson Process
- Continuous Time Markov Chain
- 프로그래밍
- 타이타닉
- 통계학
- 느린생각
- 선형대수의 기초
- 포아송프로세스
- 케라스 창시자에게 배우는 딥러닝
- Day12
- datageekette
- 의사결정나무
- 결측치
- linear equation
- 파이썬
- Homogeneous PP
- pyspark경로
- 선형대수
- pyspark설치
- QDA
- CTMC
- Chapman-Kolmogorov
- 박해선옮김
- 딥러닝쿡북
- eda
- 선형회귀분석
- Day13
- 전처리
- Today
- 187
- Total
- 36,468
목록EDA Project/Kaggle competition (4)
TEAM EDA
TalkingData AdTracking Fraud Detection Challenge
기간 : 2018.03 ~ 2018.06 멤버 : 김현우, 류지승 결과 : 406/3946(11%) 중간발표 : 데이터 탐색 최종발표 : 변수생성부터 모델링 분석 내용 : - 중간발표 : 데이터 탐색 - 최종발표 : 피쳐엔지니어링 ~ 모델링
Google Analytics Customer Revenue Prediction
Google Analytics Customer Revenue PredictionPredict how much GStore customers will spend 대회 목적. 80/20 규칙은 많은 비즈니스에서 입증되었습니다. 적은 수의 고객 만이 대부분의 수익을 창출합니다. 따라서 마케팅 팀은 홍보 전략에 대한 적절한 투자를 유도해야합니다. RStudio는 팀을 위해 작업을 확장하고 공유 할 수있는 R 및 기업용 제품을위한 무료 및 개방형 도구 개발자로, Google Cloud 및 Kaggle과 파트너 관계를 맺어 철저한 데이터 분석에서 얻을 수있는 비즈니스 영향을 보여줍니다. 이 경쟁에서 고객 당 수익을 예측하기 위해 Google Merchandise Store (Google 판매원이 판매되는 GStor..
kaggle - KUC Hackathon Winter 2018 : What can you do with the Drug Review dataset?
지난 House price Advanced Regression에 이어 이번 EDA 2기 두번째 프로젝트로 진행했던 KUC Hackathon Winter 2018 : What can you do with the Drug Review dataset?(https://www.kaggle.com/jessicali9530/kuc-hackathon-winter-2018)에 대한 분석 보고서입니다. 코드(커널)은 https://www.kaggle.com/chocozzz/recommendation-medicines-by-using-a-review의 링크에 있습니다. (+추가) 이번 해커톤 우승팀중 하나인 저희팀의 인터뷰입니다.(http://blog.kaggle.com/2019/01/14/kuc-teameda/) 이번 대..
House Prices: Advanced Regression Techniques
이번 EDA 2기 첫 프로젝트로 진행했던 kaggle의 House Prices: Advanced Regression Techniques(https://www.kaggle.com/c/house-prices-advanced-regression-techniques)에 대한 분석 보고서입니다. 코드(커널)은 https://www.kaggle.com/chocozzz/beginner-challenge-house-prices의 링크에 있습니다. 집의 가격을 예측하는 문제로 사용한 모델은 ridge,lasso, Elastic Net, LightGBM, Xgboost입니다. 최종적으로 성적을 올리기위해 다른 사람들의 결과물을 반영해 추가적으로 앙생블을 해주었고 그 결과 12등으로 4311명 중에서 상위 1%이었습니다. ..