作者:蒋宝尚
作为数据科学比赛平台,Kaggle丰富的算法、模型、项目等资源是巨大的宝藏。
为了使Kaggle上的资源获得最大化的利用,一位来自印度的数据科学家sban设计了一个数据科学模型、技术和工具的项目索引表。
在这里你可以查找到你所需要的数据科学资源,并超链接到项目页,附有代码展示。
整个数据科学表,一共提供了十个类别,每个类别里面都有分支,分支里的“词汇”在根据投票数量排列的同时,也在右侧说明了作者,项目实现所使用的编程语言以及阅读数,评论以及获得的投票数量。
另外,这个“索引表”还一直在更新,所以非常具有收藏的价值。
在本类别中,包括线性回归和逻辑回归两个部分,其中每个部分分别给出了10个示例。
此类别下,包含三个分支,分别是Ridge、Lasso、Elasticnet。其中Ridge分支下有10个示例,Lasso分支下有9个,Elasticnet有4个。
此类别下的分支包含Decision Tree、Random Forest、Lightgbm Xgboost Catboost。每个分支下各有10个分支。
此类别下包含神经网络、自动编码、深度学习、卷积神经网络、胶囊神经网络等分支,每个分支所下都有所对应的词汇。
此类别包括朴素贝叶斯、支持向量机、临近算法、推荐引擎等的应用和相关示例。
此类别是一个超级类别,其下属包括处理、 维数约减、后建模技术以及模型融合这四个小类别,每个类别下包含若干分支。
Scikit、Tensorflow等众多框架和工具都包含在此类别下。
Seaborn、D3.Js、Bokeh等著名的数据可视化库和工具都能在此类别下找到。
本文首发于微信公众号:大数据文摘。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。