( ..)φメモメモ >> 1:00:19 公開カーネル そのまま使うことは無い 手元の環境に移植して、自分のバリデーション手法で有意性を確かめてから使用する ->ローカルCVでの改善が見られない場合、パブリックが怪しい可能性がある >> 1:02:39 特徴量の生成は最後(!?) 問題の解き方とバリデーションの構築、パブリックの信憑性など、 特徴量生成以外のタスクが完了したと判断したあたりで提出を始める >> 1:03:49 パブリックの疑い方 リーダーボードのスコアがテストデータの何%で算出されるのかを手元で再現するのは簡単 (グループk-foldなのか、比なのか等) 手元のスコアのブレを見る 公開ノートブックを自分のバリデーションでチェックして、パブリックスコアを再現するか >> 1:18:58 あまりにも違う商品の予測の場合、モデルを分割しても精度が大きく変化しない場合がある 予測対象が多岐にわたる場合、複数のモデルを組合わせても効果的 問題分割は効果的 例:0か否かをRnadomForestで予測して、0でない場合にPyTouchで学習させる >> 1:24:00 XGBoostとlighGBMでチューニングの勘所が異なる XGBoostの方が時間がかかるが精度が高くなる感覚を持っている (XGBoostをC++で再実装(!?)してアルゴリズムを理解しているため) >> 1:26:00 XGBoostとlighGBMでデフォルトbinの切り方が違う XGBoostのhistほにゃららでlightGBMと同じ切り口になる bin = 分岐 はツリー系の肝 >> 1:31:40 時系列コンペ テストデータの期間は手元に無いので、手元のデータで代用する 期間の切り方、同じ期間でのランダムサンプリングの違いによる手元のスコアの変動 手元のスコアのぶれのヒストグラムを見て、パブリックスコアの信頼性を確かめるのが大事

なるほどなあ。 kagglerは企業・団体がデータセットをより上手く扱うお手伝いをしていることになるのね。 >> 1:27:06 Q ある論文がkaggleに役立つか否かを早期に見極める方法は? A 自分が詳しいデータセットを使用している論文は見極めやすい データセットの特徴(不均衡) タスクの種類・難易度 訓練データセットとテストデータセットの分布(同じ分布か?) ->どうやったらデータセットに詳しくなるか? A 手を動かすしかない -> 主催者がデータセットの分析に迷っているのでkaggleに提供しているとも言える >> 1:31:32 Q kaggleの楽しいところは? A 普段接点の無いところのデータセットに触れることができる(想像力が掻き立てられる) White house Passenger screening A 知らない分野のデータを見るのは楽しい A さまざまなバックグラウンドを持つ人たちとチームを組める

字幕が少し見づらいです

実行時間の把握の仕方すごい

VOCALOIDはヤマハの製品の方だからずんだもんはボカロではないけど，内容はめちゃめちゃ参考になった

他にない動画でとても参考になりました。 何を考えて何を試したのかが論理的に解説されていたのでとても良かったです。 しかも2位入着の方となると説得力がありますね！

おつかれさまでした！

徳川家康もグーグルのアカウント作るときこんな感じだったのかな～

いやー、まじで勉強になります・・・ ところで、三分間クッキング方式の説明はどこかにありますか？

10:50 なるほど。。 強い人って論文までちゃんと読んでるイメージだった。。

LB Probing存在は知ってたけど、参加したコンペで実践例を見ると、かなり効果的だったことに驚きました この動画参考にして自分も試してみます！ (追記:3000人おめでとうございます🎉)

Kaggle上でも環境を切り替えることはできるのでしょうか？ コピーしたカーネルが動かないことが多々ありまして...

画像コンペ（や大きなデータを扱うコンペ）におけるgitでのデータ管理の話、もう少し詳しく聞きたいです！

計算資源が乏しいと、学習の待ち時間が長いので、今回のように待ち時間にやっていることも見せてほしいです！

ありがとうございます！

編集&アップありがとうございます！ めちゃ勉強になります！

「カグルの試行の大半はスコア改善に役立たない」←上位の方々は、最初からリーダーボードの上の方にいるイメージがありましたが、 こういった裏側の地道にトライ＆エラーをしている部分がみれて、とても勉強になりました。

みぞれもん！

コーディング中の動画も勉強になります！

No English subs 😔

3090いいなあ。特に画像コンペだとGPUの差でぶん殴られる…

ありがとうございます！

環境設定分からなくて、今までkaggle上でずっと作業してたけど、この解説動画見ながらなら環境設定に挑戦できそう…！

最近kaggleを始めたばかりの初心者です！Part3以降の動画楽しみにしてます

Kaggle + ずんだもんという俺得な組み合わせ しかも投稿主さんが信頼できるお方

参考になります！ありがとうございます！

6:25 辺りのtargetを入れるとゴリゴリ過学習してしまうというのはどういうことでしょうか？👀

18:33 ParameterGridとGridSearchCVってどう違うのでしょうか？

predict_proba(X)は挙動おかしいことあるから代わりにdecision_function(X)使った方がいいですよーみたいな話ありますがどうなんでしょう？

勉強になります！ 英語読めて羨ましいです！

Wish if you could so some of these in English.

おもろ笑

Pycharmで、普通に回せるのですが、仮想環境をつくるいみってなんでしょうか？

59:57

16:00 開始(大体)

めっちゃわかりやすい、これからもkaggle関係の動画あげてほしい。

pikleで呼び出しているファミリー毎の最小コストは算出する式のみでしょうか、また出力形式(行列・縦持ちデータ)？はどんな形をとっていますか？的外れだったらごめんなさい。

Eng. Sub Please? Tnx

Hi Takami, I am waiting for several months to watch this part with the Eng Sub!

丁寧な解説ありがとうございます。非常に参考にしております。 20:00〜21:15あたりにターミナルに、何というコマンドを打ち込んでいるのか教えていただけるとありがたいです。

良い説明していると思いますが、コードは良く見えない、スクリーンをズームインしてくれば助かります。

難なくgcp入門できました！ありがとうございます！

ものすごく参考になりました！！！

参考になりました！ありがとうございます。

サンタクロースのプレゼントで子供が幸福になれるのなら！安倍晋三の憲法改正でも国民は幸福になれそうだけど？純粋にKaggleのコンペとして議論しても罰は当たらないと思うケドね？方程式で憲法改正を議論しよう！

安倍晋三が国民約一億人に有限の憲法改正案を提示すると国民の幸福感が一意に定まる関数が在ると仮定して。Kaggleでコンペしてくれないかな？憲法改正も国民の幸福関数で議論できるようになったら良いな！＼(^o^)／

emacsの拡張機能ファイル(静的解析や補完機能)はGCP上のどの場所に入れているんですか?

ご丁寧な説明大変助かっています！ emacsもvimも得意ではないのですが、AtomやVisualStudioCodeなどでGCP上のファイルを編集する方法はありますか？

これはkaggleだけでなくgitやemacsやunixなども学べる超お得講座… emacsを使うのです…

pls english subtitles thanks