Cómo ganar en Kaggle

Flujo de solución

Entender el
problema

Flujo de solución

Entender el
problema
→
EDA

Flujo de solución

Entender el
problema
→
EDA
→
Validación
local

Flujo de solución

Entender el
problema
→
EDA
→
Validación
local
→
Modelado

Entender el problema

  • Tipo de datos: tabulares, series de tiempo, imágenes, texto, etc.
Datos tabulares

Entender el problema

  • Tipo de datos: tabulares, series de tiempo, imágenes, texto, etc.
Datos tabulares
Series de tiempo

Entender el problema

  • Tipo de datos: tabulares, series de tiempo, imágenes, texto, etc.
Datos tabulares
Series de tiempo
Imágenes

Entender el problema

  • Tipo de datos: tabulares, series de tiempo, imágenes, texto, etc.
  • Tipo de problema: clasificación, regresión, ranking, etc.
  • Métrica de evaluación: ROC AUC, F1-Score, MAE, MSE, etc.
Datos tabulares
Series de tiempo
Imágenes
Texto

Entender el problema

Definición de la métrica

# Algunas métricas de clasificación y regresión
from sklearn.metrics import roc_auc_score, f1_score, mean_squared_error
import numpy as np

def rmsle(y_true, y_pred):
    diffs = np.log(y_true + 1) - np.log(y_pred + 1)
    squares = np.power(diffs, 2)
    err = np.sqrt(np.mean(squares))
    return err

¡Vamos a practicar!