معرفی شرکت ها

data-science-bowl-2019-1.0.1

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
1.0.1
1.0.0
1.0.1
1.0.0

توضیحات

The notebooks for the competition Data Science Bowl 2019.
ویژگی مقدار
سیستم عامل -
نام فایل data-science-bowl-2019-1.0.1
نام data-science-bowl-2019
نسخه کتابخانه 1.0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Jiaxiang Li and Jiatao Li
ایمیل نویسنده alex.lijiaxiang@foxmail.com
آدرس صفحه اصلی https://github.com/JiaxiangBU/data-science-bowl-2019EX
آدرس اینترنتی https://pypi.org/project/data-science-bowl-2019/
مجوز Apache Software License 2.0
<!-- ################################################# ### THIS FILE WAS AUTOGENERATED! DO NOT EDIT! ### ################################################# # file to edit: index.ipynb # command to build the docs after a change: nbdev_build_docs --> # data_science_bowl_2019 > The notebooks for the competition Data Science Bowl 2019 I join this competition [data-science-bowl-2019](https://www.kaggle.com/c/data-science-bowl-2019), which ends on January 15, 2020. For the data feature, I do some work on the series features, using word2vec, LDA and node2vec. 1. [wide and deep](https://github.com/JiaxiangBU/data-science-bowl-2019EX/blob/master/wide_and_deep.ipynb) 2. [node2vec](https://github.com/JiaxiangBU/data-science-bowl-2019EX/blob/master/node2vec.ipynb) 3. [LDA](https://github.com/JiaxiangBU/data-science-bowl-2019EX/blob/master/lda.ipynb) The baseline feature engineering I forked from Hosseinali (2019). However, it helps me focus on series features. Also, I use LTSM model to elaborate series features, I forked from Grecnik (2019). <div id="refs" class="references"> <div id="ref-Grecnik2019"> Grecnik. 2019. “Bowl Lstm Prediction | Kaggle.” Kaggle. 2019. <https://www.kaggle.com/nikitagrec/bowl-lstm-prediction>. </div> <div id="ref-Massoud_Hosseinali2019"> Hosseinali, Massoud. 2019. “A New Baseline for Dsb 2019 - Catboost Model.” Kaggle. 2019. <https://www.kaggle.com/mhviraf/a-new-baseline-for-dsb-2019-catboost-model>. </div> </div> ## Install `pip install data_science_bowl_2019` ## How to use See demo.


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl data-science-bowl-2019-1.0.1:

    pip install data-science-bowl-2019-1.0.1.whl


نصب پکیج tar.gz data-science-bowl-2019-1.0.1:

    pip install data-science-bowl-2019-1.0.1.tar.gz