Neste primeiro capítulo, você vai conhecer o processo de uma competição no Kaggle. Você vai treinar um modelo e preparar um arquivo CSV pronto para envio. Você vai aprender a diferença entre as divisões de teste públicas e privadas, e como prevenir overfitting.

Visão geral das competições

Explorar os dados de treino

Explore os dados de teste

Prepare sua primeira submissão

Determinar o tipo de problema

Treine um modelo simples

Prepare uma submissão

Placar público vs. privado

Qual modelo está sofrendo overfitting?

Treine modelos XGBoost

Explorando overfitting com XGBoost

Processo das competições no Kaggle

Agora que você conhece o básico sobre competições do Kaggle, vai aprender a estudar o problema específico em questão. Você praticará EDA e definirá estratégias corretas de validação local. Você também vai aprender sobre vazamento de dados.

Entenda o problema

Entenda o tipo de problema

Defina uma métrica de competição

EDA inicial

Estatísticas de EDA

Gráficos de EDA I

Gráficos de EDA II

Validação local

Validação cruzada K-fold

K-fold estratificado

Uso da validação

Time K-fold

Pontuação geral de validação

Mergulhe na competição

Agora você vai explorar diferentes tipos de atributos. Vai modificar atributos existentes e criar novos. Além disso, vai tratar os dados ausentes de forma adequada.

Engenharia de atributos

Recursos aritméticos

Recursos de data

Recursos categóricos

Codificação por rótulos (Label encoding)

Codificação One-Hot

Codificação pelo alvo

Mean target encoding

Além da classificação binária

Dados ausentes

Encontrar dados ausentes

Imputar dados ausentes

Hora de juntar tudo e construir alguns modelos! Neste último capítulo, você vai criar um modelo base, depois ajustar alguns hiperparâmetros e melhorar seus resultados com ensembles. Em seguida, receberá dicas e truques finais para competir com mais eficiência.

Modelo baseline

Replicar pontuação de validação

Linha de base baseada na data

Baseline com gradient boosting

Ajuste de hiperparâmetros

Busca em grade

Busca em grade 2D

Ensemble de modelos

Mistura de modelos (blending)

Empilhamento de modelos I

Empilhamento de modelos II

Dicas finais

Testando ideias do fórum do Kaggle

Selecione as submissões finais

Considerações finais

Modelagem

Demand forecasting (train)

Demand forecasting (test)

House prices (train)

House prices (test)

Taxi rides (train)

Taxi rides (test)

O Kaggle é a plataforma mais conhecida para competições de Data Science. Participar dessas competições permite trabalhar com conjuntos de dados do mundo real, explorar diversos problemas de Machine Learning, competir com outros participantes e, por fim, adquirir uma experiência prática valiosa. Neste curso, você vai aprender como abordar e estruturar qualquer competição de Data Science. Você será capaz de escolher o esquema correto de validação local e evitar overfitting. Além disso, vai dominar técnicas avançadas de engenharia de atributos junto com abordagens de combinação de modelos (ensembles). Todas essas técnicas serão praticadas em conjuntos de dados de competições do Kaggle.

Extreme Gradient Boosting with XGBoost

Descubra como vencer competições Kaggle: abordagem certa e esquema de validação adequado.

Prepare sua primeira submissão

Create Your Free Account