在 Kaggle 上的 CrowdFlower 产品搜索结果相关性竞赛中获得第一名。
[Kaggle 上搜索结果相关性竞赛] 的第一名方案 (https://www.kaggle.com/c/crowdflower-search-relevance) 在竞赛期间，我们获得的最佳单一模型是一个 XGBoost 模型，其公开 LB 分数为 0.69322，私有 LB 分数为 0.70768。我们最终获胜的提交结果是 35 个最佳公开 LB 提交结果的中位数组成的集成模型。此提交结果在公开 LB 上的分数为 0.70807，在私有 LB 上的分数为 0.72189。
./Data文件夹中。 * 运行Python ./Code/Feat/run_all.py以生成特征。这将需要几个小时。 * 运行Python ./Code/Model/generate_best_single_model.py以生成最佳单模型提交。根据我们的经验,只需进行几次尝试就可以生成性能最佳或类似性能的模型。例如,请参阅./Output/Log/[Pre@solution]_[Feat@svd100_and_bow_Jun27]_[Model@reg_xgb_linear]_hyperopt.log中的训练日志。 * 运行Python ./Code/Model/generate_model_library.py以生成模型库。这相当耗时。但是,您不必等待此脚本完成:一旦有部分模型训练完成,就可以运行下一步。 * 运行Python ./Code/Model/generate_ensemble_submission.py以通过集成选择生成提交。 * 如果您不想运行代码,只需提交./Output/Subm中的文件即可。暂无开放 Issues，或尚未同步最近议题。