分类： 竞赛资讯
-
Kaggle 单调约束：monotonic_cst 在表格赛中的适用条件与反例（2026）
在 Kaggle 风控、信用或保险类表格赛中，业务先验常要求特征与目标概率呈特定方向关系。本文基于 sciki…
-
Kaggle 类别特征编码：原生 categorical 支持与 one-hot 怎么选（2026）
在 Kaggle 表格赛中使用 HistGradientBoosting 时，Kaggle 类别特征编码的核心…
-
Kaggle 表格赛模型选择：HistGradientBoosting 与 GradientBoosting 怎么选（2026）
按 2026 年 10 月检索的 scikit-learn 官方文档（stable 文档，站点标注版本 1.9…
-
Kaggle数据集怎么选？第一次数据项目的四项可用性检查
学生常按热度下载 Kaggle 数据集，却发现目标不清、样本太少或无法验证。本文提供任务可定义、数据质量、验证…
-
Kaggle讨论区怎么用？从提问到筛选公开方案的四步方法
很多参赛者把 Kaggle 讨论区当成附属论坛，要么发低信息量问题，要么直接复制公开 Notebook。本文提…
-
Kaggle第二场比赛怎么选？从入门赛到Featured的四步匹配
完成第一场 Kaggle 入门赛后，如何避免难度断层？本文提供四步匹配框架，帮助学生结合目标、时间、验证与提交…
-
Kaggle模型集成：先检查错误是否互补，再决定要不要融合
很多参赛者盲目堆叠模型导致分数下降。本文通过两个对比教学案例演示如何分析预测误差分布，判断模型间是否存在互补性…
-
Kaggle实验管理：让特征、参数与验证结果能够一一对应
用可复现的实验管理方法，让Kaggle竞赛中的特征工程、超参数调整与验证分数形成可追溯的对应关系，避免”改了什…
-
Kaggle类别不平衡：为什么高准确率可能掩盖关键错误
在Kaggle竞赛中，面对类别不平衡数据，单纯追求高准确率往往会导致模型忽略少数类。本文通过具体算例解析这一陷…
-
Kaggle特征消融实验：怎样判断新增特征是真的有用
在Kaggle竞赛中，盲目添加特征往往导致过拟合。本文通过两个假设案例演示特征消融实验的正确流程，帮助参赛者识…