前言
我们有个项目使用 Spring Boot 开发, 使用 Nginx 做反向代理并配置了 SSL,但是后端重定向一直重定向 Http 协议而非 Https 协议,导致网页无法打开。
In some environments (particularly Docker), Python tends to start up with the locale set to ASCII. That means trying to print unicode characters raises an exception, like in our fancy display. Rather than requiring the user to explicitly set PYTHONIOENCODING=utf8, we rewrap stdout and stderr in UTF8 file objects.
I’m a little worried that this will break something down the line…
此篇为转载博文,原文链接:https://www.kaggle.com/c/mdd-cup-2018/discussion/63944
基本是 数据分析、数据清洗、特征工程、模型训练、验证调参与优化 这样一些基本环节,下面再细说。
特别说明一下 Kaggle 在计算得分的时候,有 Public Leaderboard (LB) 和 Private LB 之分。具体而言,参赛选手提交整个测试集的预测结果, Kaggle 使用测试集的一部分计算得分和排名,实时显示在 Public LB 上,用于给选手提供及时的反馈和动态展示比赛的进行情况;测试集的剩余部分用于计算参赛选手的最终得分和排名,此即为 Private LB,在比赛结束后会揭晓。用于计算 Public LB 和 Private LB 的数据有不同的划分方式,具体视比赛和数据的类型而定,一般有随机划分,按时间划分或者按一定规则划分。大家可以合理利用 Public Leaderboard 的排名和反馈来适当调整自己的策略,但是不要太过依赖Public Leaderboard,有些时候它的数据分布和Private Leaderboard会有差异,不要在 Public Leaderboard 上过拟合哦,还是好好利用你的 validation set 吧,以便得到更好的泛化能力。