【文件属性】：
文件名称：kaggle-avito_demand:“ Avito需求预测” Kaggle挑战的代码
文件大小：1.02MB
文件格式：ZIP
更新时间：2021-05-09 12:00:38
JupyterNotebook
Peter Hurford，Learnmower，RDizzl3，Sijun He和Matt Motoki提出的Avito需求竞赛解决方案
对模型的添加是在提交中完成的，并在CHANGELOG中对其影响进行跟踪。
大多数东西都在r4.4xlarge（16核，120 GB RAM）上运行，有些东西在GPU硬件上运行。
安装说明
1.）安装kaggle.json
2.） scp这个仓库
3.）安装：运行install.sh
4.）（可选）通过aws configure设置AWS凭证，并通过python3 sync_cache.py --down下载现有缓存文件。
5.）建立特征和模型。 按以下顺序运行：
python3 extract_features.py
python3 extract_images.py
python3 extract_active.py
python3 ext
【文件预览】：
kaggle-avito_demand-master
----model_CNN.ipynb(30KB)
----.gitignore(38B)
----model_MLP_blender.ipynb(40KB)
----extract_images.py(12KB)
----install.sh(897B)
----cv.py(2KB)
----requirements.txt(400B)
----model_liu_lgb.py(18KB)
----model_liu_nn.py(17KB)
----model_pc_ridge_blend_l2.py(14KB)
----model_stack_lgb.py(26KB)
----IDEAS.md(656B)
----gru.py(1KB)
----model_lasso_blender.ipynb(33KB)
----model_fm.py(12KB)
----model_deep_lgb.py(9KB)
----CHANGELOG.md(8KB)
----model_ridge.py(17KB)
----extract_active.py(3KB)
----keras_utils.py(40KB)
----nasnet.py(35KB)
----model_pc_ridge_blend_l3.py(7KB)
----glove.R(2KB)
----extract_images2.py(10KB)
----model_parent_cat_ridge.py(7KB)
----Create_Liu_feature.ipynb(19KB)
----model_flat_blend.py(21KB)
----utils.py(7KB)
----cache.py(4KB)
----DID_NOT_WORK.md(570B)
----README.md(1KB)
----model_cat_bin_ridge.py(9KB)
----extract_NIMA.py(11KB)
----model_deep_lgb4.py(18KB)
----Create Glove Embeddings.R(1KB)
----model_cat_region_ridge.py(8KB)
----extract_features.py(17KB)
----model_tffm.py(3KB)
----model_deep_lgb2.py(9KB)
----model_deep_lgb3.py(19KB)
----learnmower()
--------make - numeric encode.ipynb(14KB)
--------make - predict pricing.ipynb(857KB)
--------make - interaction features.ipynb(217KB)
--------make - label encode.ipynb(12KB)
--------make - embeddings - extract text.ipynb(391KB)
--------make - geocode.ipynb(8KB)
--------make - calendar features.ipynb(9KB)
--------make - time features v.2.ipynb(42KB)
--------make - image features.ipynb(34KB)
--------make - preocess text.ipynb(7KB)
--------make - nima.ipynb(12KB)
----model_lgb_blender.py(20KB)
----image_meta_fea.py(1KB)
----env_check.py(2KB)
----sync_cache.py(858B)
----model_lasso_L3.ipynb(15KB)
----model_ridge_cfr.py(9KB)