Los Modelos que bajaron su puntuación, son Modelos sobre ajustados, mientras que los Modelos que subieron sus puntuaciones son Modelos más Estables. \nLos Modelos Estables se logran combinando muchos Modelos.\nAportes para este comentario?\nMe gustaria tener un resumen de las herramientas utilizadas y algoritmos;\nEn nuestro caso fue: R y random forest. ( posición 12). Gracias
", "messages": [ { "id": "627838", "postDate": "09/16/2019 13:00:40", "content": "Los Modelos que bajaron su puntuación, son Modelos sobre ajustados, mientras que los Modelos que subieron sus puntuaciones son Modelos más Estables. \nLos Modelos Estables se logran combinando muchos Modelos.\nAportes para este comentario?\nMe gustaria tener un resumen de las herramientas utilizadas y algoritmos;\nEn nuestro caso fue: R y random forest. ( posición 12). Gracias
", "rawMarkdown": "Los Modelos que bajaron su puntuación, son Modelos sobre ajustados, mientras que los Modelos que subieron sus puntuaciones son Modelos más Estables. \nLos Modelos Estables se logran combinando muchos Modelos.\nAportes para este comentario?\nMe gustaria tener un resumen de las herramientas utilizadas y algoritmos;\nEn nuestro caso fue: R y random forest. ( posición 12). Gracias", "votes": null }, { "id": "627983", "postDate": "09/16/2019 16:56:22", "content": "Hola, yo use python con LGBM.
", "rawMarkdown": "Hola, yo use python con LGBM.", "votes": null }, { "id": "628040", "postDate": "09/16/2019 18:14:35", "content": "Python y LightGBM. Hice pruebas con regresión logística y una red neuronal muy básica. Pero finalmente LGBM me resulto el modelo mas rápido y útil.
", "rawMarkdown": "Python y LightGBM. Hice pruebas con regresión logística y una red neuronal muy básica. Pero finalmente LGBM me resulto el modelo mas rápido y útil.", "votes": null }, { "id": "628050", "postDate": "09/16/2019 18:24:46", "content": "Me gustaria obtener un conjunto de datos con posición obtenida - herramienta y algoritmo.
", "rawMarkdown": "Me gustaria obtener un conjunto de datos con posición obtenida - herramienta y algoritmo.", "votes": null }, { "id": "628095", "postDate": "09/16/2019 19:33:18", "content": "Hola, \nPython -> Promedio (XGBoostClassifier, LogisticRegression, RandomForestClassifier)
", "rawMarkdown": "Hola, \nPython -> Promedio (XGBoostClassifier, LogisticRegression, RandomForestClassifier)", "votes": null }, { "id": "628683", "postDate": "09/17/2019 18:11:56", "content": "Python y Promedio de modelos(LightGBM, CatBoost, RandomForest, Regresion logistica y XGBoost). Los entrene en distintas ventanas de tiempo y la seleccion la hice con un set de validacion de tres meses posteriores al ultimo mes de entrenamiento, excepto para el intervalo 1-9. Por ejemplo, modelos entrenados entre el 1-3, se validaban en las coversiones 6-9. \nLa verdad que tuve muy poco tiempo y me quede con ganas de probar un millon de cosas. Ojala sigan habiendo competencias de este estilo asi la comunidad sigue creciendo y podemos aprender entre todos.
", "rawMarkdown": "Python y Promedio de modelos(LightGBM, CatBoost, RandomForest, Regresion logistica y XGBoost). Los entrene en distintas ventanas de tiempo y la seleccion la hice con un set de validacion de tres meses posteriores al ultimo mes de entrenamiento, excepto para el intervalo 1-9. Por ejemplo, modelos entrenados entre el 1-3, se validaban en las coversiones 6-9. \nLa verdad que tuve muy poco tiempo y me quede con ganas de probar un millon de cosas. Ojala sigan habiendo competencias de este estilo asi la comunidad sigue creciendo y podemos aprender entre todos.", "votes": null }, { "id": "628712", "postDate": "09/17/2019 18:51:31", "content": "Van a postear el codigo ganador?
", "rawMarkdown": "Van a postear el codigo ganador?", "votes": null } ], "comments": [ { "id": 627983, "author_name": "lucille", "author_url": "", "post_date": "09/16/2019 16:56:22", "content": "Hola, yo use python con LGBM.
", "votes": null, "replies": [] }, { "id": 628040, "author_name": "ppppmat", "author_url": "", "post_date": "09/16/2019 18:14:35", "content": "Python y LightGBM. Hice pruebas con regresión logística y una red neuronal muy básica. Pero finalmente LGBM me resulto el modelo mas rápido y útil.
", "votes": null, "replies": [] }, { "id": 628050, "author_name": "dejean", "author_url": "", "post_date": "09/16/2019 18:24:46", "content": "Me gustaria obtener un conjunto de datos con posición obtenida - herramienta y algoritmo.
", "votes": null, "replies": [] }, { "id": 628095, "author_name": "trujillorj", "author_url": "", "post_date": "09/16/2019 19:33:18", "content": "Hola, \nPython -> Promedio (XGBoostClassifier, LogisticRegression, RandomForestClassifier)
", "votes": null, "replies": [] }, { "id": 628683, "author_name": "nonser", "author_url": "", "post_date": "09/17/2019 18:11:56", "content": "Python y Promedio de modelos(LightGBM, CatBoost, RandomForest, Regresion logistica y XGBoost). Los entrene en distintas ventanas de tiempo y la seleccion la hice con un set de validacion de tres meses posteriores al ultimo mes de entrenamiento, excepto para el intervalo 1-9. Por ejemplo, modelos entrenados entre el 1-3, se validaban en las coversiones 6-9. \nLa verdad que tuve muy poco tiempo y me quede con ganas de probar un millon de cosas. Ojala sigan habiendo competencias de este estilo asi la comunidad sigue creciendo y podemos aprender entre todos.
", "votes": null, "replies": [] }, { "id": 628712, "author_name": "sebagam", "author_url": "", "post_date": "09/17/2019 18:51:31", "content": "Van a postear el codigo ganador?
", "votes": null, "replies": [] } ], "raw_markdown_by_id": { "627838": "Los Modelos que bajaron su puntuación, son Modelos sobre ajustados, mientras que los Modelos que subieron sus puntuaciones son Modelos más Estables. \nLos Modelos Estables se logran combinando muchos Modelos.\nAportes para este comentario?\nMe gustaria tener un resumen de las herramientas utilizadas y algoritmos;\nEn nuestro caso fue: R y random forest. ( posición 12). Gracias", "627983": "Hola, yo use python con LGBM.", "628040": "Python y LightGBM. Hice pruebas con regresión logística y una red neuronal muy básica. Pero finalmente LGBM me resulto el modelo mas rápido y útil.", "628050": "Me gustaria obtener un conjunto de datos con posición obtenida - herramienta y algoritmo.", "628095": "Hola, \nPython -> Promedio (XGBoostClassifier, LogisticRegression, RandomForestClassifier)", "628683": "Python y Promedio de modelos(LightGBM, CatBoost, RandomForest, Regresion logistica y XGBoost). Los entrene en distintas ventanas de tiempo y la seleccion la hice con un set de validacion de tres meses posteriores al ultimo mes de entrenamiento, excepto para el intervalo 1-9. Por ejemplo, modelos entrenados entre el 1-3, se validaban en las coversiones 6-9. \nLa verdad que tuve muy poco tiempo y me quede con ganas de probar un millon de cosas. Ojala sigan habiendo competencias de este estilo asi la comunidad sigue creciendo y podemos aprender entre todos.", "628712": "Van a postear el codigo ganador?" }, "source": "meta" }