마지막 기사는 여기
Kaggle의 Kernel 정리 [테이블 시계열 데이터편]

이 기사에서는 나를 포함하여 Kaggle 대회에서 데이터 유형별 정석 같은 것을 알고 싶다! 같은 사람을 위해 써 갑니다. 또한 대회 관계없이 정밀도가 나오지 않을 때의 힌트 등이되면 좋다고 생각합니다.



이번에는 대회 한정없이 다양한 Kernel에서 봅니다.
화상의 경우의 시각화라고 하면,
- CNN 계층별 시각화
- 이미지 기여율 시각화
- 데이터 세트 이미지 자체의 시각화 (표시)

같은 느낌입니까? (만약 다른 것이 있으면 코멘트에서 가르쳐 주셨으면합니다)
다른 데이터형에 비해 폭이 적은 인상이므로 이번에는 수법에 주목해 갑니다.

Introduction to CNN Keras - 0.997 (top 6%)

일반 CNN, 모델 아키텍처가 절묘한

EDA and LSTM-CNN

LSTM-CNN 사용

CNN Architectures : VGG, ResNet, Inception + TL

VGG16, VGG19, InceptionNet, Resnet, XceptionNet 등을 사용하여 Transfer Learning을 조합하고 있다.

How to choose CNN Architecture MNIST

다양한 아키텍처를 사용하고 있습니다.

요약

수시로 갱신해 가고 싶습니다. 좋은 해를!