統計101C Kaggleコンクール最終的なプロジェクトは
2つの競技があります：
-分類の競争
-回帰競争
それぞれの競争があなたの最終コースグレードの16％を占めています。各競争が個別に採点されます。
各競技の格付：
- 4％の競争のパフォーマンスとRスクリプトの検証
- 12％レポート
コンクールのパフォーマンスグレーディング：
最初の場所のための第一位との絆：4ポイント
最後の場所との結びつき最後の場所のために：0ポイントの
最初と最後の場所の間で他のみんなスケーリングさのポイントを稼いでいます。
たとえば、のは、競争の終わりにリーダーの12点のユニークな位置があるとしましょう
統計101C作业代做、代做R语言作业、代写R编程设计作业、代Kaggle競争写作业
ボード。そこ以上の12人のチームであってもよいが、タイで、のが唯一の12のユニークな位置が存在しているとしましょうかもしれません。
12のユニークなポジションを持つことは、11個のギャップがあることを意味します。各ギャップは4/11 = 0.3636点であろう。そして
、以下のようにスコアリングは次のようになります
- 1
番目の場所（及び任意の関係）：4点
- 2
番目の場所（及び任意の関係）：3.636ポイント
- 3
番目の場所（及び任意の関係）：3.273ポイント
-等
- 10場所（および任意のつながり）：0.727ポイント
- 11日場所（および任意のつながり）：0.364ポイント
- 12日場所（および任意のつながり）：0ポイント
それぞれの競争が個別に採点されます。チーム/個人が1で最初の場所を取得することが可能です
競争とは、他のための最後の場所で終わるながら、その競争の中で4ポイントを獲得し
、競争し、そのいずれかの0のポイントを得ます。
Rスクリプトは、検証
あなたの予測がなされたかを示すRスクリプトを提出します。私が始まる提供した
データをインポートし、Kaggleに提出するために必要な出力ファイルを作成するテンプレートを。
あなたのRスクリプトは、それは確かにあなたがKaggleに提出予測を生成しないことを確認するために実行されます。
あなたはKaggleに提出予測があなたのRスクリプトによって生成された出力と一致しない場合は、ます
、プロジェクトのグレードの競技パフォーマンスの部分に0を取得します。この規則は、学生を防ぐためです
Rでモデルを作成し、手動で取得するために提出ファイルの予測を変えるから
競争の中でより高いスコアを。
同様に、あなたのRスクリプトを手動で予測を行うべきではありません。それは作るために訓練されたモデルを使用する必要があります
予測を。
レポートのガイドラインは：
あなたが合うモデルを説明するPDFレポートを提出します。報告書は、12ポイントの価値があります。
報告書では、モデルが適合している前のデータに行われているものを説明します。これは、任意のデータ含ん
行った洗浄、データ操作、またはデータ変換を。これは、任意の変数が含ま
選択や次元減少プロセスまたは作成された新しい変数を。あなたは何をする必要はありません。
完全な信用を得るためにあなたのスクリプトで上記のもののいずれかが、あなたは上記の手順のいずれかを実行した場合、彼らはしなければならない
報告書に説明されます。
報告書は、最終的な予測と服従のために選択したモデルの種類を説明します。
あなたは、モデルが良い選択および/またはモデルのいずれかの欠点だと思う理由を報告書では説明します
と改善の分野。このセクションでは、お使いのモデルの性能を評価した方法を含める必要があります。
（モデル性能のあなたの評価は、「私はKaggleに予測を提出しました、すべきではない
スコアを。」）
報告書は、約2ページの長さでなければなりません。
レポートのルーブリックをグレーディング。
グッド：基本：改善が必要である：
全体的な書き込みの説明は、正しい
完全な、そして説得力。
仮定が明示的に作られています
し、正当性を与えられました。
[マイナス〜0 PTS]
の説明は、部分的にある
正しいが、不完全または
説得力に欠けます。
仮定が明示的に作られています
が、正当化されません。
[マイナス〜1pts]
解説、非論理的です
不正確、または支離滅裂。
仮定がなされていない
明示。
[マイナス〜3つのPTS]
の説明
に物事
前のデータ
モデルフィッティング
任意のデータの説明
操作は完了です
間違いなし。
されている任意およびすべてのステップ
のスクリプトで実行されているが
説明しました。各ステップの理由は、
提供して正当あります。
[マイナス〜0pts]
されている任意およびすべてのステップ
のスクリプトで実行されているが
説明しました。
各ステップの理由は、
説得力、または疑わしいです。
[マイナス〜1pts]
任意のデータの説明
操作は完了しません。
で実行されるステップがあります
されていないスクリプト
説明が。
各ステップの理由はされていない
提供または正当化されていません。
[マイナス〜3つのPTS]
の説明
、最終的なモデル
モデルの説明があり
、完全かつミスなし。
報告書は、多くの/方法を説明し
何の変数に使用されています。報告書は、
の特性を記述する
モデル（ノンパラメトリック対例えばパラメトリックを）。
レポートの提供
この特定の使用理由
のモデルを。
[マイナス〜0pts]
モデルの説明があり
、完全けどマイナー持って
ミスを。
報告書は、多くの/方法を説明し
何の変数に使用されています。報告書は、
の性質について説明し
たモデルを。報告書は、理由の提供
、この特定のモデルを使用するために。
[マイナス〜1pts]
モデルの説明が含まれている
重大なミスを。モデル
使用が適切にされていない
説明します。
報告書は、理由の提供していません
。この特定のモデルを使用するために。
[マイナス〜3つのPTS]
の議論
モデルの強み
と弱み
とモデル
のパフォーマンス
モデルの評価
パフォーマンスは完全である
合理的。
報告書は、モデルについて説明
長所と短所/
可能な改善を。
議論が正しいとされる
正当。
[マイナス〜0pts]
モデルの評価
性能が提供されるが、
マイナーなミスを含んでいます。
報告書は、モデルについて説明
長所と短所/
可能な改善を。
[マイナス〜1pts]
モデルの評価
パフォーマンスが見つからないか、され
、重大なミスを含んでいます。
モデルの強みの議論
と短所が存在しないか、された
重大なミスを含んでいます。
[マイナス〜3つのPTS]
プロ、とても信頼できるので。必要に応じて、QQを追加してください：99515681または電子メール：[email protected]
マイクロ手紙：codehelp