一、Kaggle是什么次酌？
Kaggle成立于2010年恨课，是一個(gè)進(jìn)行數(shù)據(jù)發(fā)掘和預(yù)測(cè)競(jìng)賽的在線平臺(tái)。從公司的角度來(lái)講岳服，可以提供一些數(shù)據(jù)剂公，進(jìn)而提出一個(gè)實(shí)際需要解決的問題；從參賽者的角度來(lái)講吊宋，他們將組隊(duì)參與項(xiàng)目纲辽，針對(duì)其中一個(gè)問題提出解決方案，最終由公司選出的最佳方案可以獲得5K-10K美金的獎(jiǎng)金。
除此之外拖吼，Kaggle官方每年還會(huì)舉辦一次大規(guī)模的競(jìng)賽鳞上，獎(jiǎng)金高達(dá)一百萬(wàn)美金，吸引了廣大的數(shù)據(jù)科學(xué)愛好者參與其中绿贞。從某種角度來(lái)講因块，可以把它理解為一個(gè)眾包平臺(tái)橘原，類似國(guó)內(nèi)的豬八戒籍铁。但是不同于傳統(tǒng)的低層次勞動(dòng)力需求，Kaggle一直致力于解決業(yè)界難題趾断，因此也創(chuàng)造了一種全新的勞動(dòng)力市場(chǎng)——不再以學(xué)歷和工作經(jīng)驗(yàn)作為唯一的人才評(píng)判標(biāo)準(zhǔn)拒名，而是著眼于個(gè)人技能，為頂尖人才和公司之間搭建了一座橋梁芋酌。
輸入https://www.kaggle.com/即可進(jìn)入Kaggle主頁(yè)增显，網(wǎng)站有這么幾個(gè)版塊：
1、競(jìng)賽competitions
2脐帝、數(shù)據(jù)datasets
3同云、代碼kernels
4、討論區(qū) Discussion
5堵腹、在線課程學(xué)習(xí)learn
二炸站、Kaggle的競(jìng)賽模式是什么樣的？
Kaggle上的競(jìng)賽有各種分類疚顷，例如獎(jiǎng)金極高競(jìng)爭(zhēng)激烈的的 “Featured”旱易，相對(duì)平民化的 “Research”等等。但整體的項(xiàng)目模式是一樣的腿堤，就是通過出題方給予的訓(xùn)練集建立模型阀坏，再利用測(cè)試集算出結(jié)果用來(lái)評(píng)比。同時(shí)笆檀，每個(gè)進(jìn)行中的競(jìng)賽項(xiàng)目都會(huì)顯示剩余時(shí)間忌堂、參與的隊(duì)伍數(shù)量以及獎(jiǎng)金金額，并且會(huì)實(shí)時(shí)更新選手排位酗洒。在截止日期之前浸船，所有隊(duì)伍都可以自由加入競(jìng)賽，或者對(duì)已經(jīng)提交的方案進(jìn)行完善寝蹈，因此排名也會(huì)不斷變動(dòng)李命，不到最后一刻誰(shuí)都不知道花落誰(shuí)家。
由于這類問題并沒有標(biāo)準(zhǔn)答案箫老，只有無(wú)限逼近最優(yōu)解封字，所以這樣的模式可以激勵(lì)參與者提出更好的方案，甚至推動(dòng)整個(gè)行業(yè)的發(fā)展。
Kaggle競(jìng)賽分類
從參賽者的角度看阔籽，競(jìng)賽種類有：推薦比賽Featured流妻、人才征募Recruitment、研究型Research笆制、游樂場(chǎng)Playground绅这、入門比賽Getting Started、課業(yè)比賽In Class在辆。
- 推薦比賽Featured：瞄準(zhǔn)商業(yè)問題帶有獎(jiǎng)金的公開競(jìng)賽证薇。如果有幸贏得比賽，不但可以獲得獎(jiǎng)金匆篓，模型也可能會(huì)被競(jìng)賽贊助商應(yīng)用到商業(yè)實(shí)踐中呢浑度。
-
人才征募Recruitment：贊助企業(yè)尋求數(shù)據(jù)科學(xué)家、算法設(shè)計(jì)人才的渠道鸦概。只允許個(gè)人參賽箩张，不接受團(tuán)隊(duì)報(bào)名。
研究型Research競(jìng)賽通常是機(jī)器學(xué)習(xí)前沿技術(shù)或者公益性質(zhì)的題目窗市。競(jìng)賽獎(jiǎng)勵(lì)可能是現(xiàn)金先慷，也有一部分以會(huì)議邀請(qǐng)、發(fā)表論文的形式獎(jiǎng)勵(lì)咨察。 - 游樂場(chǎng)Playground：題目以有趣為主论熙，比如貓狗照片分類的問題。現(xiàn)在這個(gè)分類下的題目不算多扎拣，但是熱度很高赴肚。
- 入門比賽Getting Started：給萌新們一個(gè)試水的機(jī)會(huì)，沒有獎(jiǎng)金二蓝，但有非常多的前輩經(jīng)驗(yàn)可供學(xué)習(xí)誉券。很久以前Kaggle這個(gè)欄目名稱是101的時(shí)候，比賽題目還很多刊愚，但是現(xiàn)在只保留經(jīng)典的入門競(jìng)賽：手寫數(shù)字識(shí)別踊跟、沉船事故幸存估計(jì)、臉部識(shí)別鸥诽。
- 課業(yè)比賽In Class：是學(xué)校教授機(jī)器學(xué)習(xí)的老師留作業(yè)的地方商玫，這里的競(jìng)賽有些會(huì)向public開放參賽，也有些僅僅是學(xué)校內(nèi)部教學(xué)使用牡借。
Kaggle競(jìng)賽的排名機(jī)制
在比賽結(jié)束之前拳昌，參賽者每天最多可以提交5次測(cè)試集的預(yù)測(cè)結(jié)果。每一次提交結(jié)果都會(huì)獲得最新的臨時(shí)排名成績(jī)钠龙，直至比賽結(jié)束獲得最終排名炬藤。在比賽過程中御铃，Kaggle將參賽者每次提交的結(jié)果取出25%-33%，并依照準(zhǔn)確率進(jìn)行臨時(shí)排名沈矿。在比賽結(jié)束時(shí)上真，參賽者可以指定幾個(gè)已經(jīng)提交的結(jié)果，Kaggle從中去除之前用于臨時(shí)排名的部分羹膳，用剩余數(shù)據(jù)的準(zhǔn)確率綜合得到最終排名睡互。所以，比賽過程中用于最終排名的那部分?jǐn)?shù)據(jù)陵像，參賽者是始終得不到關(guān)于準(zhǔn)確率的反饋的就珠。這樣一定程度避免參賽模型的過擬合，保證評(píng)選出兼顧準(zhǔn)確率和泛化能力的模型蠢壹。
三嗓违、數(shù)據(jù)Datasets版塊和代碼Kernels板塊介紹
數(shù)據(jù)Datasets版塊
每一個(gè)競(jìng)賽題目都有一個(gè)數(shù)據(jù)入口九巡，描述數(shù)據(jù)相關(guān)的信息图贸，與主頁(yè)上的Datasets選擇一個(gè)數(shù)據(jù)其實(shí)指向同一個(gè)地方。在這里可以下載到提交結(jié)果的示范冕广、測(cè)試集疏日、訓(xùn)練集。Kaggle的數(shù)據(jù)以CSV格式最常見撒汉，提交的結(jié)果也要求是CSV格式沟优。
代碼Kernels板塊
這是Kaggle最棒的功能！在這里可看到其他參賽者自愿公開的模型代碼睬辐，是學(xué)習(xí)和交流的最佳所在挠阁！取名為kernels意味支持線上調(diào)試和運(yùn)行代碼，目前支持Python溯饵、R侵俗。對(duì)那些暫時(shí)缺少硬件資源的參賽者，相當(dāng)于Kaggle提供了一個(gè)“云計(jì)算”平臺(tái)丰刊，可以作為一個(gè)備選的計(jì)算資源隘谣。
四、如何上手Kaggle啄巧？
想要真正參與Kaggle寻歧，參賽者最好具有統(tǒng)計(jì)、計(jì)算機(jī)或數(shù)學(xué)相關(guān)背景秩仆，有一定的coding技能码泛，對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有基本的了解，Kaggle任務(wù)雖然不限制編程語(yǔ)言澄耍，但絕大多數(shù)隊(duì)伍會(huì)選用Python和R噪珊，所以至少熟悉其中一種忘衍。
如果從未獨(dú)立做過一個(gè)項(xiàng)目，最好從練習(xí)賽開始熟悉卿城。因?yàn)楦?jìng)賽模式中的任務(wù)是公司懸賞發(fā)布的實(shí)際案例枚钓，并沒有標(biāo)準(zhǔn)的答案；而練習(xí)賽不僅項(xiàng)目難度低瑟押，而且是有官方給出的參考方案的搀捷，大家可以用來(lái)對(duì)比改善自己的測(cè)試結(jié)果，從中進(jìn)行提高多望。所以建議感興趣的同學(xué)先去獨(dú)立做一下101和playground的訓(xùn)練賽嫩舟。
1. Titanic（泰坦尼克之災(zāi)）
中文教程： 邏輯回歸應(yīng)用之Kaggle泰坦尼克之災(zāi)
英文教程：An Interactive Data Science Tutorial
2. House Prices: Advanced Regression Techniques（房?jī)r(jià)預(yù)測(cè)）
中文教程：Kaggle競(jìng)賽 — 2017年房?jī)r(jià)預(yù)測(cè)
英文教程：How to get to TOP 25% with Simple Model using sklearn
3. Digital Recognition（數(shù)字識(shí)別）
中文教程：大數(shù)據(jù)競(jìng)賽平臺(tái)—Kaggle 入門
英文教程：Interactive Intro to Dimensionality Reduction
比賽流程
五、入門Kaggle可參考的資料
機(jī)器學(xué)習(xí)自學(xué)指南
如何用3個(gè)月零基礎(chǔ)入門機(jī)器學(xué)習(xí)怀偷？
機(jī)器學(xué)習(xí)該怎么入門家厌？
機(jī)器學(xué)習(xí)必備資源-如何開始機(jī)器學(xué)習(xí)競(jìng)賽
機(jī)器學(xué)習(xí)/深度學(xué)習(xí)入門資料匯總
機(jī)器學(xué)習(xí)算法匯總及選擇
特征工程到底是什么？
XGBoost調(diào)參技巧（二）Titanic實(shí)戰(zhàn)Top9%
機(jī)器學(xué)習(xí)特征工程實(shí)用技巧大全
Kaggle 入門指南
分分鐘帶你殺入Kaggle Top 1%
Kaggle 首戰(zhàn)拿銀總結(jié) | 入門指導(dǎo) (長(zhǎng)文椎工、干貨）
Kaggle Titanic 生存預(yù)測(cè) -- 詳細(xì)流程吐血梳理
Kaggle入門
Kaggle 比賽整理匯總
Kaggle Titanic 生存預(yù)測(cè)(Top1.4%)完整代碼分享
