动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13

目录

实战Kaggle比赛:预测房价

动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13
动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13
动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13

动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13

动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13

这里主要看自己训练的时候验证和真正提交的时候的差别。

操作总结

# deeplearning 直接省去特征工程这些步骤
# 数据清洗也很简单:标准化 & 离散化

课程竞赛:加州2020年房价预测

动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13

动手学深度学习 | 实战:Kaggle房价预测+课程竞赛:加州2020年房价预测 | 13

沐神说他是使用了AutoML来训练的模型.. 现在的目标就是超过沐神就可以了,之前讲过的内容基本都是可以用得上的。沐神说他只用了10行代码..

QA

  1. 在图像识别中,减均值除标准差有什么用?实际中发现训练做这个操作,测试时不做,结果差别很大。

其实加不加都没有关系,加个Batch_norm就可以了。

  1. 减少特征维度,能用label encoding吗?

其实大家对特征维度不用恐慌,多一点少一点都没有关系。

上一篇:kaggle无法下载数据集解决办法


下一篇:“用Kaggle API”下载比赛部分数据文件夹 | 总结与翻译外网相关资源