Prepara tu primera submission

Cómo ganar una competición de Kaggle con Python

Yauhen Babakhin

Kaggle Grandmaster

¿Qué es una submission?

proceso de competición en Kaggle

Predicción de tarifa de taxi en NYC

# Lee los datos de train
taxi_train = pd.read_csv('taxi_train.csv')
taxi_train.columns.to_list()

['key',
 'fare_amount',
 'pickup_datetime',
 'pickup_longitude',
 'pickup_latitude',
 'dropoff_longitude',
 'dropoff_latitude',
 'passenger_count']

Tipo de problema

import matplotlib.pyplot as plt

# Dibuja un histograma
taxi_train.fare_amount.hist(bins=30, alpha=0.5)
plt.show()

histograma de fare_amount

Construye un modelo

from sklearn.linear_model import LinearRegression

# Crea un objeto LinearRegression
lr = LinearRegression()

# Ajusta el modelo con train
lr.fit(X=taxi_train[['pickup_longitude', 'pickup_latitude', 'dropoff_longitude',
                     'dropoff_latitude', 'passenger_count']],
       y=taxi_train['fare_amount'])

Predecir en test

# Selecciona las features
features = ['pickup_longitude', 'pickup_latitude',
            'dropoff_longitude', 'dropoff_latitude',
            'passenger_count']

# Predice en el set de test
taxi_test['fare_amount'] = lr.predict(taxi_test[features])

Prepara la submission

# Lee un archivo de submission de ejemplo
taxi_sample_sub = pd.read_csv('taxi_sample_submission.csv')
taxi_sample_sub.head(1)

                              key     fare_amount
0     2015-01-27 13:08:24.0000002     11.35

# Prepara un archivo de submission
taxi_submission = taxi_test[['key', 'fare_amount']]

# Guarda el archivo como .csv
taxi_submission.to_csv('first_sub.csv', index=False)

¡Vamos a practicar!

Cómo ganar una competición de Kaggle con Python