7762aa93ff14087

http://nhiro.org.s3.amazonaws.com/4/2/425a076efb0991e578b95ffdc209a59a.jpg https://gyazo.com/425a076efb0991e578b95ffdc209a59a

(OCR text)

88

モデル

XGBoost: scikit-learnの他のモデルとの一貫性の

ためにラッパーを実装、0.44x

NN: Lasagnef TReLUZDropout, GPU.

Sparse AutoencoderとReLUで多層Perceptronとも

書いてあるけど、Lasagneでやったか不明* 0.44x

SVM: RBFカーネルが一番 0.45x

RF, Extra Trees: ETがRFよりも良い成績。キャリブ

レーションがとても有効。 0.44x

あと2次のLRとKNN

* Referenceにkerasが載ってるからそっちかも