布匹缺陷检测--笔记二--数据增强baseline的情况baseline的数据情况baseline使用的参数：baseline的训练报告：baseline的得分更多数据数据合并后的情况数据增强增强方式增强参数设置增强后的数据统计代码baseline的情况baseline的数据情况baseline使用的数据其实只是一部分，仅用了guangdong1_round2_train2_20191004_im

全球人工智能技术创新大赛【热身赛一】-笔记一docker踩坑使用docker在阿里云上提交比赛流程第一步配置阿里云容器服务中的命名空间第二步配置镜像仓库第三步点击镜像仓库标签页右边的管理，根据操作指南登录阿里云Docker Registry第四步拉取镜像第五步编辑Dockerfile第六步构建镜像并推送第七步推送到镜像仓库第八步将镜像提交总结参考docker踩坑登录阿里云sudo docker l

全球人工智能技术创新大赛【热身赛一】-笔记一docker踩坑使用docker在阿里云上提交比赛流程第一步配置阿里云容器服务中的命名空间第二步配置镜像仓库第三步点击镜像仓库标签页右边的管理，根据操作指南登录阿里云Docker Registry第四步拉取镜像第五步编辑Dockerfile第六步构建镜像并推送第七步推送到镜像仓库第八步将镜像提交总结参考docker踩坑登录阿里云sudo docker l

全球人工智能技术创新大赛【热身赛一】-笔记一docker踩坑使用docker在阿里云上提交比赛流程第一步配置阿里云容器服务中的命名空间第二步配置镜像仓库第三步点击镜像仓库标签页右边的管理，根据操作指南登录阿里云Docker Registry第四步拉取镜像第五步编辑Dockerfile第六步构建镜像并推送第七步推送到镜像仓库第八步将镜像提交总结参考docker踩坑登录阿里云sudo docker l

数据挖掘之心跳信号分类预测--笔记五--模型融合单模的缺点单模的缺点

数据挖掘之心跳信号分类预测--笔记一--理解题目和baseline题目背景赛题数据评估指标数据预处理baseline题目背景以心电图心跳信号数据为背景，我们要根据心电图感应数据预测心跳信号所属类别，其中心跳信号对应正常病例以及受不同心律不齐和心肌梗塞影响的病例，这是一个多分类的问题。赛题数据比赛分A、B榜训练数据共有10万条数据测试集A共有2万条数据其中heartbeat_signals（心跳信号

数据挖掘之心跳信号分类预测--笔记二--数据分析EDA开始分析describeinfolabel类别的比例无界约翰逊分布画出数据趋势图先看效果代码这次比赛的数据我感觉相对简单，原始数据只有三列，除却id和label只有一列特征了。EDAEDA全称是Exploratory Data Analysis，即探索性数据分析。一开始我以为EDA是一个算法，但是查了一下资料发现，EDA是指对已有的数据在尽量少

数据挖掘之心跳信号分类预测--笔记四--边学边做尝试建模关于task4的学习模型调优我自己的思考关于这段时间尝试的模型憨憨尝试：将序列画成图像，然后做了图像分类进攻RNN后续会尝试的模型关于task4的学习这一次的学习内容挺丰富的有很多模型（逻辑回归、决策树、GBDT、XGBoost、LightGBM、Catboost、RNN、LSTM）、有对应模型的性能评估、调参方法（贪心调参、网格搜索、贝叶斯

数据挖掘之心跳信号分类预测--笔记二--数据分析tsfresh是什么特征提取tsfresh是什么tsfresh是用于从时间序列中自动提取特征的python包。tsfresh官网.这个包的使用从官网中的例子能较好的快速上手。特征提取tsfresh提取特征的过程比较吃内存，也很耗时间，得谨慎使用。当然也可以使用一些技巧，例如将数据划分几块分别进行特征提取最后再拼接在一起。特征提取前的原始数据，如下图所