Kaggle 分åコンペ振り返り - コンペ概è¦ãƒ»GCNã®é©ç”¨ã«ã¤ã„㦠- memoã¯ã˜ã‚㫠本記事ã§ã¯2019å¹´6月~8月ã«ã‹ã‘ã¦é–‹å‚¬ã•ã‚Œã€ç´„2800ãƒãƒ¼ãƒ ãŒå‚åŠ ã—ãŸKaggleã®ã‚³ãƒ³ãƒšÂ Predicting Molecular Properties（通称分åコンペ）ã«ã¤ã„ã¦ã€æŒ¯ã‚Šè¿”ã‚Šã‚’å…¼ãã¦ã¾ã¨ã‚ãŸã„ã¨æ€ã„ã¾ã™ã€‚ www.kaggle.com ã¯ã˜ã‚ã« ã‚³ãƒ³ãƒšæ¦‚è¦ ãƒ‡ãƒ¼ã‚¿ データ数ã«ã¤ã„㦠xyzファイルã«ã¤ã„㦠scalar couplingã«ã¤ã„㦠Additional Dataã«ã¤ã„㦠評価指標 Graph Convolutional Networks (GCN) Message Passing Neural Networks (MPNN) GCNã®æœ¬ã‚³ãƒ³ãƒšã¸ã®é©ç”¨ ãã®ä»–GCNモデル GNNã®å‚考資料 æœ€å¾Œã« ã‚³ãƒ³ãƒšæ¦‚è¦ ã¾ãšåˆã‚ã«æœ¬ã‚³ãƒ³ãƒšã®ãƒã‚¤ãƒ³ãƒˆã‚’ã„ãã¤ã‹æŒ™ã’ã¾ã™ã€‚ 分å内ã®2ã¤ã®åŽŸåé–“ã®ç£æ°—的相互作用（scalar coupling constantã€ä»¥
NIPS2017èªã¿ä¼š LightGBM: A Highly Efficient Gradient Boosting Decision Tree
LightGBM 徹底入門 – LightGBMã®ä½¿ã„方や仕組ã¿ã€XGBoostã¨ã®é•ã„ã«ã¤ã„ã¦
データ分æžè€…ã®æœ€é‡è¦ä½¿å‘½ã¨ã¯ï¼Ÿã€ŒKaggleã€å…ƒä¸–ç•Œãƒãƒ£ãƒ³ãƒ—ã®æ„外ãªç”ãˆ
ã€éšæ™‚更新】Kaggleテーブルデータコンペã§ãã£ã¨å½¹ç«‹ã¤Tipsã¾ã¨ã‚ - ML_Bearã®Kaggleãªæ—¥å¸¸
Kaggleã«ç™»éŒ²ã—ãŸã‚‰æ¬¡ã«ã‚„ã‚‹ã“㨠～ ã“ã‚Œã ã‘ã‚„ã‚Œã°å分闘ãˆã‚‹ï¼Titanicã®å…ˆã¸è¡Œã入門 10 Kernel ～ - Qiita
Kaggleã‚’å–り掛ã‹ã‚‹ã¾ã§ã«ã‚„ã£ãŸã“ã¨ã¨ã¨ã€ãƒ¢ãƒãƒ™ãƒ¼ã‚·ãƒ§ãƒ³ã®ç¶æŒã®ãŸã‚ã«å¿…è¦ã ã£ãŸã“㨠- ã«ã»ã‚“ã”ã®ã‚Œã‚“ã—ã‚…ã†
サンタコンペã§äºŒåº¦å…¨å®Œã—ãŸè©±
Kaggleã®CTR予測コンペã§ä¸Šä½10%ã«å…¥ã‚‹ã¾ã§ã®è©¦è¡ŒéŒ¯èª¤ - yasuhisa's blog
データ分æžã‚³ãƒ³ãƒ†ã‚¹ãƒˆã®â€¨å‹è€…解ç”ã‹ã‚‰å¦ã¶
Kaggleã§ä½¿ã‚ã‚ŒãŸç‰¹å¾´é‡ã‚¨ãƒ³ã‚¸ãƒ‹ã‚¢ãƒªãƒ³ã‚°ã¨ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã¾ã¨ã‚ – ã‹ã‚‚ã®ã¯ã—ã®åˆ†æžãƒ–ãƒã‚°
Practical Deep Learning for Coders - 人工知能ã«é–¢ã™ã‚‹æ–創録
Deep Learningライブラリ「MXNetã€ã®R版をKaggle Otto Challengeã§å®Ÿè·µã—ã¦ã¿ãŸ - Think more, try less
Kaggleã®ã‚³ãƒ³ãƒšãƒ†ã‚£ã‚·ãƒ§ãƒ³ã§å…¬é–‹ã•ã‚Œã¦ã„る手法・ソースコードã®ãƒªãƒ³ã‚¯ã‚’ã¾ã¨ã‚ã¦ã¿ãŸ - ã®ã‚“ã³ã‚Šã—ã¦ã„るエンジニアã®æ—¥è¨˜
{{#tags}}- {{label}}
{{/tags}}