本文共 2537 字，大约阅读时间需要 8 分钟。

Kaggle比赛中的源代码和讨论内容收集整理

以下是Kaggle比赛中的一些代码和讨论内容，主要由多位数据科学家参与贡献：

• Alessandro Mariani
• B1aine
• Hiroyuki
• MrCanard
• Paul Duan & Benjamin Solecki团队
• Paul Duan
• Owen Zhang
• Dmitry & Leustagos
• Foxtrot（包含原始博客文章）
• Leustagos团队
• Toulouse
• Peter Prettenhofer
• Domcastro
• Davit
• Steffen Rindle
• Vlad Gusev
• zenog
• Sander Dieleman
• Maxim Milakov
• tund
• Julian de Wit
• Soumith Chintala
• Xiaoxiang Zhang
• utdiscant
• sugi
• hxu
• yr
• Leustagos
• Team Algorithm（GitHub代码链接）
• SmallData Team
• hustmonk
• Ben S.
• anttip
• nagadomi
• HelloWorld
• David McGarry
• beluga
• Herbal Candy (W和thomeou)
• Anil Thomas
• Maxim Milakov
• Iain Murray（代码可用）
• Team Algorithm（GitHub代码链接）
• Shea Parkes & Neil Schneider团队
• Emanuele Olivetti
• Marco Lui
• Foxtrot
• Charlie Tang
• Maxim Milakov
• David Thaler
• sayit
• MMDL
• Vivek Sharma
• tuzzeg
• Andrei Olariu
• Chris Brew
• Yasser Tabandeh
• Andreas Mueller（代码可用）
• Steve Poulson
• Steffen Rindle
• Vlad Gusev
• zenog

以下是对某些贡献的具体描述：

• Leustagos团队：提供了解决方案线程
• Team Algorithm：提供GitHub链接到代码
• SmallData Team
• hustmonk
• Ben S.
• Foxtrot：与MAE相关的2.2M数据
• Foxtrot：使用Catmull-Rom插值的2.6M数据，且可用R和其他工具
• Foxtrot：与MAE相关的2.2M数据
• ICDM 2013
• Shea Parkes & Neil Schneider团队：涉及多核训练的斜向随机森林和堆叠
• Emanuele Olivetti
• Marinexplorer和Cornell在Kaggle上的参与
• Foxtrot
• Marco Lui
• Foxtrot
• Iain Murray：代码可用
• Team Algorithm：GitHub链接到代码
• Team Algorithm：GitHub链接到代码
• Shea Parkes & Neil Schneider团队：涉及多核训练的斜向随机森林和堆叠
• Emanuele Olivetti
• Foxtrot：涉及应用集成的讨论和实践中的问题处理
• Marco Lui
• Foxtrot
• Leustagos
• Team Algorithm：GitHub链接到代码
• Team Algorithm：GitHub链接到代码

以下是与特定主题相关的贡献：

• MAE模型相关的贡献
• 多核心训练的斜向随机森林和堆叠
• 应用集成的实践讨论
• 多核训练的斜向随机森林和堆叠
• Oblique Random Forests训练
• 多核心训练的斜向随机森林和堆叠
• Marinexplorer和Cornell在Kaggle上的参与
• Foxtrot的多个贡献
• Iain Murray的代码可用
• Leustagos团队的解决方案线程
• Team Algorithm的GitHub代码链接
• Shea Parkes & Neil Schneider团队的贡献
• Emanuele Olivetti的贡献
• Foxtrot的多个贡献
• Marco Lui的贡献
• Iain Murray的贡献
• Leustagos的贡献
• Team Algorithm的贡献

以下是与特定主题相关的具体内容：

• 关于2.2M数据的MAE
• 关于2.6M数据的MAE（使用Catmull-Rom插值），可用R和其他工具
• 多个MAE相关的贡献
• Oblique Random Forests的多核训练和堆叠
• 应用集成的讨论
• 多个贡献与ICDM 2013相关
• Shea Parkes & Neil Schneider团队的多个贡献
• Emanuele Olivetti的贡献
• Foxtrot的多个贡献
• Marco Lui的贡献
• Iain Murray的贡献
• Leustagos团队的贡献
• Team Algorithm的贡献
• SmallData Team的贡献
• hustmonk的贡献
• Ben S.的贡献
• anttip的贡献
• nagadomi的贡献
• HelloWorld的贡献
• David McGarry的贡献
• beluga的贡献
• Herbal Candy (W和thomeou)的贡献
• Anil Thomas的贡献
• Maxim Milakov的贡献
• David Thaler的贡献
• sayit的贡献
• MMDL的贡献
• Vivek Sharma的贡献
• tuzzeg的贡献
• Andrei Olariu的贡献
• Chris Brew的贡献
• Yasser Tabandeh的贡献
• Andreas Mueller的贡献（代码可用）
• Steve Poulson的贡献
• Steffen Rindle的贡献
• Vlad Gusev的贡献
• zenog的贡献
• Sander Dieleman的贡献
• Maxim Milakov的贡献
• tund的贡献
• Julian de Wit的贡献
• Soumith Chintala的贡献
• Xiaoxiang Zhang的贡献
• utdiscant的贡献
• sugi的贡献
• hxu的贡献
• yr的贡献

以上内容整理自多个Kaggle讨论和解决方案线程，供参考。