Temel model

Python ile Bir Kaggle Yarışmasını Kazanmak

Yauhen Babakhin

Kaggle Grandmaster

Modelleme aşaması

modelleme aşaması bileşenleri

Modelleme aşaması

modelleme aşamasında temel model

New York taksi doğrulaması

# Veriyi okuyun
taxi_train = pd.read_csv('taxi_train.csv')
taxi_test = pd.read_csv('taxi_test.csv')

from sklearn.model_selection import train_test_split

# Yerel doğrulama oluşturun
validation_train, validation_test = train_test_split(taxi_train,
                                                     test_size=0.3,
                                                     random_state=123)

Temel model I

import numpy as np
# Tüm test gözlemlerine ortalama ücreti atayın
taxi_test['fare_amount'] = np.mean(taxi_train.fare_amount)

# Tahminleri dosyaya yazın
taxi_test[['id','fare_amount']].to_csv('mean_sub.csv', index=False)

Doğrulama RMSE	Genel LB RMSE	Genel LB Sırası
9.986	9.409	1449 / 1500

Temel model II

# Grup bazında ortalama ücreti hesaplayın
naive_prediction_groups = taxi_train.groupby('passenger_count').fare_amount.mean()

# Test setinde tahmin yapın
taxi_test['fare_amount'] = taxi_test.passenger_count.map(naive_prediction_groups)

# Tahminleri dosyaya yazın
taxi_test[['id','fare_amount']].to_csv('mean_group_sub.csv', index=False)

Doğrulama RMSE	Genel LB RMSE	Genel LB Sırası
9.978	9.407	1411 / 1500

Temel model III

# Yalnızca sayısal özellikleri seçin
features = ['pickup_longitude', 'pickup_latitude',
            'dropoff_longitude', 'dropoff_latitude', 'passenger_count']

from sklearn.ensemble import GradientBoostingRegressor

# Bir Gradient Boosting modeli eğitin
gb = GradientBoostingRegressor()
gb.fit(taxi_train[features], taxi_train.fare_amount)

# Test verisinde tahmin yapın
taxi_test['fare_amount'] = gb.predict(taxi_test[features])

Temel model III

# Tahminleri dosyaya yazın
taxi_test[['id','fare_amount']].to_csv('gb_sub.csv', index=False)

Doğrulama RMSE	Genel LB RMSE	Genel LB Sırası
5.996	4.595	1109 / 1500

Ara sonuçlar

Model	Doğrulama RMSE	Genel LB RMSE
Basit Ortalama	9.986	9.409
Grup Ortalaması	9.978	9.407
Gradient Boosting	5.996	4.595

Genel Liderlik Tablosu ile korelasyon

Model	Doğrulama RMSE	Genel LB RMSE
Model A	3.500	3.800
Model B	3.300	4.100
Model C	3.200	3.900

Model	Doğrulama RMSE	Genel LB RMSE
Model A	3.400	3.900
Model B	3.100	3.400
Model C	2.900	3.300

Hadi pratik yapalım!

Python ile Bir Kaggle Yarışmasını Kazanmak