# CODEML: Challenge 5 — Data

来源：https://www.kaggle.com/competitions/codeml-challenge5/data

本地 Meta Kaggle 快照；不是本次实时页面。

# Dataset Description

<h2> Français plus bas </h2>
<h2> The data in detail: </h2>
The data was divided into 3 groups:
<li> <strong> train_images.zip </strong> - training data, contains images of different classes(Imgage_0.png , Image_1.png , Image_1090.png, Image_xx.png, ...)  </li>
<li> <strong> train_label.txt </strong> - training labels, containing the name of each associated classes of the train images separated by a new line. So classes 'airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck' corresponding respectively to numbers 0 to 9</li>
<li> <strong> test_images.zip </strong> - contains the images for the test. You'll have to predict them and put your results in a csv in the same format as all_five_submission.csv</li>

The training data should be used to create your machine learning models. When it comes to training data, we provide results to predict for each feedback.</strong>.
<p>When you'll be submitting your prediction for test_images, the classes and their corresponding numbers are the following:</p> 
<p>
'airplane' (0)
 'automobile' (1),
 'bird' (2), 
'cat' (3), 
'deer' (4),
'dog' (5), 
'frog' (6), 
'horse' (7),
 'ship' (8),
 'truck' (9)
</p>

Test data should be used to see how your model is performing on data it has not yet seen. For the test set, we do not provide predictable results for each feedback. It's your job to predict those outcomes. For each text in the test set, use the model you trained to predict whether the product received a positive review or not. <br> <br>

We also include <strong> all_five_submission.csv </strong>, a set of predictions that assume all images are of class 5. This <strong> all_positive_submission.csv </strong> file is an example of what your submission file should look like. <br> <br>

<p> Notes Variables (Reminder) </p>
<p> The different labels  in train_labels.txt are separated with newlines \ n '</p>
<p> Your results must be in csv format and contain 2 columns the first one is the Id of the and a second column with a header named 'testLabels' </p>

___________________________________________

<h2> Les données en détail : </h2>
Les données ont été divisées en 3 groupes :
<li> <strong> train_images.zip </strong> - données de formation, contient des images de différentes classes(Imgage_0.png , Image_1.png , Image_1090.png, Image_xx.png, ...) </li>
<li> <strong> train_label.txt </strong> - étiquettes de formation, contenant le nom de chaque classe associée des images de train séparées par une nouvelle ligne. Ainsi les classes "avion", "automobile", "oiseau", "chat", "cerf", "chien", "grenouille", "cheval", "bateau", "camion" correspondent respectivement aux numéros 0 à 9</li>
<li> <strong> test_images.zip </strong> - contient les images pour le test. Vous devrez les prévoir et mettre vos résultats dans un csv au même format que all_five_submission.csv</li>

Les données de formation doivent être utilisées pour créer vos modèles d'apprentissage sur machine. En ce qui concerne les données de formation, nous fournissons des résultats à prédire pour chaque retour d'information.</strong>.
<p>Lorsque vous soumettez vos prédictions pour les images_test, les classes et leurs nombres correspondants sont les suivants:</p> 
<p>
'airplane' (0)
 'automobile' (1),
 'bird' (2), 
'cat' (3), 
'deer' (4),
'dog' (5), 
'frog' (6), 
'horse' (7),
 'ship' (8),
 'truck' (9)
</p>

Les données de test doivent être utilisées pour voir comment votre modèle fonctionne sur des données qu'il n'a pas encore vues. Pour l'ensemble de tests, nous ne fournissons pas de résultats prévisibles pour chaque retour d'information. C'est à vous de prédire ces résultats. Pour chaque texte de l'ensemble de tests, utilisez le modèle que vous avez formé pour prédire si le produit a reçu un avis positif ou non. <br> <br>

Nous incluons également <strong> all_five_submission.csv </strong>, un ensemble de prédictions qui supposent que toutes les images sont de classe 5. Ce fichier <strong> all_positive_submission.csv </strong> est un exemple de ce à quoi doit ressembler votre fichier de soumission. <br> <br>

<p> Notes Variables (rappel) </p>
<p> Les différents labels dans train_labels.txt sont séparés par des nouvelles lignes \ n '</p>
<p> Vos résultats doivent être au format csv et contenir 2 colonnes : la première est l'Id du et une seconde colonne avec un en-tête nommé 'testLabels' </p>