【导读】在Kaggle比赛中,作者将尝试纽约出租车持续时间预测的挑战。他将使用 Pandas、matplotlib 和 xgost 的组合作为 python 库来帮助理解和分析 Kaggle 提供的出租车数据集。目标将是建立一个出租车持续时间的预测模型。另外,作者还将使用Google CoLab作为他的jupyter记事本。
作者 | Siraj Raval
整理 | Xiaowen
作者主页:
Twitter:
https://twitter.com/sirajraval
instagram:
https://www.instagram.com/sirajraval
Facebook:
https://www.facebook.com/sirajology
YouTube视频介绍:
https://www.youtube.com/watch?v=suRd3UzdBeo
代码:
https://github.com/llSourcell/kaggle_challenge
这段视频是作者的机器学习之旅课程的一部分:
https://github.com/llSourcell/Machine_Learning_Journey
更多机器学习资源:
https://www.kaggle.com/kanncaa1/machine-learning-tutorial-for-beginners
https://www.kaggle.com/rtatman/beginner-s-tutorial-python
https://machinelearningmastery.com/gentle-introduction-xgboost-applied-machine-learning/
http://blog.kaggle.com/2017/01/23/a-kaggle-master-explains-gradient-boosting/
-END-
专 · 知
人工智能领域主题知识资料查看与加入专知人工智能服务群:
【专知AI服务计划】专知AI知识技术服务会员群加入与人工智能领域26个主题知识资料全集获取。欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!
请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~
请关注专知公众号,获取人工智能的专业知识!
点击“阅读原文”,使用专知