En este primer capítulo, conocerás el proceso de una competición de Kaggle. Entrenarás un modelo y prepararás un archivo CSV listo para el envío. Aprenderás la diferencia entre los subconjuntos de prueba Públicos y Privados y cómo prevenir el sobreajuste.

Resumen de las competiciones

Explora los datos de train

Explora los datos de test

Prepara tu primer envío

Determina el tipo de problema

Entrena un modelo sencillo

Prepara un envío

Tabla de clasificación pública vs. privada

¿Qué modelo está sobreajustando?

Entrena modelos de XGBoost

Explora el overfitting en XGBoost

Proceso de las competiciones de Kaggle

Ahora que ya conoces lo básico de las competiciones de Kaggle, aprenderás a estudiar el problema específico que tienes entre manos. Practicarás EDA y definirás estrategias correctas de validación local. También aprenderás sobre fuga de datos.

Entiende el problema

Entender el tipo de problema

Define una métrica de la competición

EDA inicial

Estadísticas de EDA

Gráficos de EDA I

Gráficas de EDA II

Validación local

Validación cruzada K-fold

K-fold estratificado

Uso de la validación

Time K-fold

Puntuación global de validación

Sumérgete en la competición

Ahora verás distintos tipos de características. Modificarás algunas existentes y crearás otras nuevas. Además, tratarás los datos faltantes de forma adecuada.

Ingeniería de características

Características aritméticas

Características de fecha

Características categóricas

Codificación por etiquetas

Codificación One-Hot

Codificación del objetivo

Codificación de la media del objetivo (mean target encoding)

Más allá de la clasificación binaria

Datos faltantes

Detecta los datos faltantes

Imputar datos faltantes

¡Hora de juntarlo todo y construir algunos modelos! En este último capítulo, crearás un modelo base, luego ajustarás hiperparámetros y mejorarás tus resultados con ensamblados. Para terminar, verás algunos consejos y trucos para competir con más eficacia.

Modelo base

Reproducir la puntuación de validación

Línea base basada en la fecha

Modelo base con Gradient Boosting

Ajuste de hiperparámetros

Búsqueda en cuadrícula

Búsqueda en malla 2D

Ensamblado de modelos

Model blending

Apilado de modelos I

Model stacking II

Consejos finales

Probando ideas del foro de Kaggle

Selecciona las entregas finales

Reflexiones finales

Modelado

Demand forecasting (train)

Demand forecasting (test)

House prices (train)

House prices (test)

Taxi rides (train)

Taxi rides (test)

Kaggle es la plataforma más conocida para competiciones de Data Science. Participar en ellas te permite trabajar con conjuntos de datos reales, explorar distintos problemas de Machine Learning, competir con otras personas y, en definitiva, ganar una valiosa experiencia práctica. En este curso, aprenderás a abordar y estructurar cualquier competición de Data Science. Podrás elegir un buen esquema de validación local y evitar el sobreajuste. Además, dominarás técnicas avanzadas de ingeniería de características junto con enfoques de ensamblado de modelos. Pondrás en práctica todas estas técnicas con conjuntos de datos de competiciones de Kaggle.

Extreme Gradient Boosting with XGBoost

Descubre cómo ganar en Kaggle: enfoque adecuado y esquema de validación para competencias de ciencia de datos.

Cómo ganar una competición de Kaggle con Python

Aprende cómo participar y ganar competiciones en Kaggle.

Científico especializado en machine learning en Python

Kaggle Grandmaster

Public vs Private leaderboard

Competition metric

Test split

Leaderboards

Overfitting

Public vs Private leaderboard shake-up

Let's practice!

Proceso de las competiciones de Kaggle - Tabla de clasificación pública vs. privada

Tabla de clasificación pública vs. privada

Create Your Free Account