Résumé de la méthode du noyau de Kaggle [Image]

Cliquez ici pour l'article précédent Kaggle Kernel Summary [Table Time Series Data]

Dans cet article, j'aimerais savoir quelque chose comme une norme pour chaque type de données dans le concours Kaggle, y compris moi-même! J'écrirai pour des gens comme. De plus, je pense que ce serait bien si cela pouvait être un indice lorsque la précision ne ressort pas quelle que soit la concurrence.

alt

Cette fois, nous examinerons différents noyaux, pas seulement des compétitions. En matière de visualisation dans le cas d'images,

C'est comme ça? (S'il y a autre chose, merci de me le faire savoir dans les commentaires) Comparé à d'autres types de données, il semble que la largeur soit étroite, donc cette fois nous allons nous concentrer sur la méthode.

Introduction to CNN Keras - 0.997 (top 6%)

CNN ordinaire, l'architecture du modèle semble exquise

EDA and LSTM-CNN

J'utilise LSTM-CNN

CNN Architectures : VGG, ResNet, Inception + TL

Transfer Learning est combiné à l'aide de VGG16, VGG19, InceptionNet, Resnet, XceptionNet, etc.

How to choose CNN Architecture MNIST

J'essaye différentes architectures

Résumé

Je voudrais le mettre à jour de temps en temps. Je vous souhaite une bonne année! alt

Recommended Posts

Résumé de la méthode du noyau de Kaggle [Image]
Résumé de la méthode Kaggle's Kernel [Table time series data]
Résumé de Kaggle: Outbrain # 2
Méthode de collecte d'images
Résumé de Kaggle: Outbrain # 1
Résumé lié à Kaggle
Résumé de Kaggle: Redhat (Partie 1)
Résumé de Kaggle: BOSCH (noyaux)
Méthode Kernel avec Python
Résumé Kaggle: BOSCH (gagnant)
Résumé de Kaggle: Redhat (partie 2)
Résumé des commandes liées à l'image
Résumé de l'image Jupyter Docker
Résumé de la méthode d'essai
Résumé de la méthode d'implémentation Unity IAP
[Linux] [C / C ++] Résumé de la méthode d'acquisition des traces
Introduction à la détection des anomalies et résumé des méthodes
Résumé de Kaggle: Analyse du panier de marché Instacart
Résumé de Kaggle: BOSCH (intro + discussion du forum)