Personnellement, je fais souvent quelque chose sur mon iPad et j'ai essayé diverses choses pour voir si je pouvais le coder. J'ai également créé un environnement pour publier Kaggle dans le flux de construction forcée d'un environnement de codage avec theia.
"Faisons un modèle de prédiction de survie pour les passagers du Kaggle Titanic sans utiliser Python" Puisque j'ai pu participer à Kaggle avec GUI, puis-je utiliser l'iPad? J'ai pensé et essayé. À propos, cet article est également écrit à partir de l'iPad.
Je participerai au concours Titanic depuis mon iPad. Connectez-vous à Kaggle depuis votre iPad et téléchargez l'ensemble de données.
Lorsque vous ouvrez l'application «Fichier» sur votre iPad, le fichier téléchargé sera dans le dossier de téléchargement, alors décompressez-le.
Revenez dans Safari et ouvrez VARISTA. VARISTA est là.
Après avoir ouvert VARISTA, créez un nouveau projet.
Pour le fichier, sélectionnez "train.csv" dans le dossier que vous avez téléchargé précédemment.
Comme pour l'article précédent, les paramètres d'apprentissage sont de niveau 3, le ratio de données de vérification est de 5%, le nombre de divisions de vérification croisée est de 10 et la graine aléatoire est de 123, et l'apprentissage est lancé.
Lorsque vous avez terminé la formation, sélectionnez Prédire avec ce modèle dans le modèle et sélectionnez les colonnes que vous souhaitez supprimer.
Les éléments requis pour la soumission sont PassengerId et Predicted, supprimez donc les autres.
Après cela, modifiez le format de la colonne à prédire en indicateur.
Ensuite, téléchargez "test.csv" en tant que fichier de prédiction.
Lorsque la prédiction est terminée, téléchargez le fichier et soumettez-le enfin à Kaggle.
Cliquez sur Submi Prediction de Kaggle et sélectionnez le fichier que vous avez téléchargé à partir de Parcourir.
Tout ce que vous avez à faire est de faire une soumission et vous avez terminé.
Comme il n'est pas possible de concaténer des colonnes, il est nécessaire d'utiliser des nombres, mais comme vous pouvez voir une simple ventilation des données, il semble que vous puissiez l'utiliser facilement pour le moment. Il peut être bon de voir rapidement le contenu des données.
VARISTA est bien parce qu'il a l'air cool.
référence
VARISTA: https://www.varista.ai Kaggle: https://www.kaggle.com
Recommended Posts