最近,Kaggle发布了HMS-有害大脑活动分类大赛。这是一个信号分类任务,比赛目标是检测和分类癫痫发作和其他类型的有害大脑活动。参赛者需要开发一个基于重症监护医院患者记录的脑电图(EEG)信号训练的模型。
提交的模型将根据预测概率与观察目标之间的Kullback-Leibler散度进行评估。参赛者的工作将有助于自动化脑电图分析,并帮助研发治疗和预防癫痫发作的药物。
为了帮助同学们更好冲分拿牌,我为大家带来了重磅福利:
原价198元的赛题讲座限时0.01元!
高分baseline免费赠送!
500+Kaggle金牌方案免费赠送!
深度学习实战图书包邮赠送!(文末详情)
扫码看讲座、领资料、包邮抽图书(文末详情)
赛题讲座
数据描述
训练集的元数据train.csv
专家标注员审查了50秒长的EEG样本,并匹配了覆盖10分钟窗口中心的频谱图,该窗口以相同的时间为中心,并标记了中心10秒。这些样本中有许多重叠,并已合并。
eeg_id
– 整个EEG记录的唯一标识符。
eeg_sub_id
– 特定50秒长子样本此行标签适用的ID。
eeg_label_offset_seconds
– 合并后的EEG与此子样本之间的开始时间。
spectrogram_id
– 整个EEG记录的唯一标识符。
spectrogram_sub_id
– 特定10分钟子样本此行标签适用的ID。
spectogram_label_offset_seconds
– 合并后的频谱图与此子样本之间的开始时间。
label_id
– 此标签集的ID。
patient_id
– 捐赠数据的患者的ID。
expert_consensus
– 共识标注员标签。
[ ]_vote
– 给定大脑活动类别的标注员投票计数。
测试集的元数据test.csv
由于测试集中没有重叠的样本,因此许多train元数据中的列不适用。
eeg_id
spectrogram_id
patient_id
sample_submission.csv
eeg_id
[ ]_vote
– 目标列。
扫码看讲座、领资料、包邮抽图书(文末详情)
500+Kaggle金牌方案
我整理了2023年10场比赛54个金牌方案,CV与NLP方向都有。此外,还有过去几年470场金牌方案。今天分享给大家下载。
扫码看讲座、领资料、包邮抽图书(文末详情)
包邮赠书福利
扫描下方二维码参与抽奖。抽取50名同学,包邮送出《深度学习之PyTorch实战计算机视觉》!
《深度学习之PyTorct实战计算机视觉》旨在帮助零基础或基础较为薄弱的读者入门深度学习,掌握PyTorch的使用方法,学到深度学习相关的理论知识,达到能够独立使用深度学习知识处理计算机视觉问题的水平。
扫码看讲座、领资料、包邮抽图书
图书将在月末统一寄出,感谢同学们的耐心等待。