COMPETICIONES - KAGGLE

APUNTES JOSE JAVIER

• https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205

• Consejos
  • Guardar cada paso, con puntuación interna y kaggle
  • Métrica positiva o negativa
  • Hacer primer modelo básico y subirlo
  • Lightgbm es muy rápido con buenos resultados
  • Búsqueda característica mágica
  • Revisar continuamente foros, notebooks
  • Stacking, variedad modelos, modelo final simple
  • Seguir tu propia línea
  • Probar con varias semillas
  • No obsesionarse con public score
  • Buscar ideas en competiciones anteriores
  • Para elegir los dos resultados finales: mejor interno mejor public score
• Charla José Antonio Guerrero
  • Cómo llegar a número 1 en Kaggle (1/2)
  • Response stacking (2/2)

LightGBM vs XGBoost

• https://pyligent.github.io/2019-08-20-lightGBM_XGBoost/
• https://towardsdatascience.com/lightgbm-vs-xgboost-which-algorithm-win-the-race-1ff7dd4917d
• https://towardsdatascience.com/catboost-vs-light-gbm-vs-xgboost-5f93620723db