在july的网站购买了kaggle课程，自己学习并作笔记记录，非给july打广告，只是为了不忘记或自己学习查询。
在这里感谢july提供的该课程。
下面开始笔记。
- 主要内容
- 应用领域
- 常用算法
- 算法之间的联系
- 工具
常用scikit-learn ,文本分析用gensim，数据处理用Numpy、matplotlib、pandas，深度学习有tensorflow、caffe、keras
- 解决问题的流程
图中的链接： http://blog.csdn.net/han_xiaoyang/article/details/50469334
http://blog.csdn.net/han_xiaoyang/article/details/52910022
内容很详细，值得一看。
- 数据预处理
上采样： 下采样： 数据样本均衡： 正例、负例样本量保持均衡，之间数量差别不要太大。
- 特征工程
这里建议看特征工程三把刀那篇博文： http://www.36dsj.com/archives/69769
- 特征类型
参考内容： http://scikit-learn.org/stable/modules/preprocessing.html
http://scikit-learn.org/stable/modules/classes.html#module-sklearn.feature_extraction
- 方法
链接：http://scikit-learn.org/stable/modules/feature_selection.html
- 交叉验证
链接：http://scikit-learn.org/stable/modules/cross_validation.html
- 模型参数选择
链接： 交叉验证http://scikit-learn.org/stable/modules/grid_search.html
http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html
- 模型状态评估
用于判断模型是否过拟合还是欠拟合
- 学习曲线
模型训练后的训练误差和测试误差
- 模型融合
链接：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.BaggingClassifier.html
- Boosting
链接：http://scikit-learn.org/stable/modules/classes.html#module-sklearn.ensemble
