一、Kaggle是什么？
Kaggle成立于2010年，是一個(gè)進(jìn)行數(shù)據(jù)發(fā)掘和預(yù)測競賽的在線平臺。從公司的角度來講，可以提供一些數(shù)據(jù)，進(jìn)而提出一個(gè)實(shí)際需要解決的問題；從參賽者的角度來講，他們將組隊(duì)參與項(xiàng)目，針對其中一個(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，Kaggle官方每年還會舉辦一次大規(guī)模的競賽，獎(jiǎng)金高達(dá)一百萬美金，吸引了廣大的數(shù)據(jù)科學(xué)愛好者參與其中。從某種角度來講，可以把它理解為一個(gè)眾包平臺，類似國內(nèi)的豬八戒。但是不同于傳統(tǒng)的低層次勞動力需求，Kaggle一直致力于解決業(yè)界難題，因此也創(chuàng)造了一種全新的勞動力市場——不再以學(xué)歷和工作經(jīng)驗(yàn)作為唯一的人才評判標(biāo)準(zhǔn)，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。
輸入https://www.kaggle.com/即可進(jìn)入Kaggle主頁，網(wǎng)站有這么幾個(gè)版塊：
1、競賽competitions
2、數(shù)據(jù)datasets
3、代碼kernels
4、討論區(qū) Discussion
5、在線課程學(xué)習(xí)learn
二、Kaggle的競賽模式是什么樣的？
Kaggle上的競賽有各種分類，例如獎(jiǎng)金極高競爭激烈的的 “Featured”，相對平民化的 “Research”等等。但整體的項(xiàng)目模式是一樣的，就是通過出題方給予的訓(xùn)練集建立模型，再利用測試集算出結(jié)果用來評比。同時(shí)，每個(gè)進(jìn)行中的競賽項(xiàng)目都會顯示剩余時(shí)間、參與的隊(duì)伍數(shù)量以及獎(jiǎng)金金額，并且會實(shí)時(shí)更新選手排位。在截止日期之前，所有隊(duì)伍都可以自由加入競賽，或者對已經(jīng)提交的方案進(jìn)行完善，因此排名也會不斷變動，不到最后一刻誰都不知道花落誰家。
由于這類問題并沒有標(biāo)準(zhǔn)答案，只有無限逼近最優(yōu)解，所以這樣的模式可以激勵(lì)參與者提出更好的方案，甚至推動整個(gè)行業(yè)的發(fā)展。
Kaggle競賽分類
從參賽者的角度看，競賽種類有：推薦比賽Featured、人才征募Recruitment、研究型Research、游樂場Playground、入門比賽Getting Started、課業(yè)比賽In Class。
- 推薦比賽Featured：瞄準(zhǔn)商業(yè)問題帶有獎(jiǎng)金的公開競賽。如果有幸贏得比賽，不但可以獲得獎(jiǎng)金，模型也可能會被競賽贊助商應(yīng)用到商業(yè)實(shí)踐中呢。
-
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。只允許個(gè)人參賽，不接受團(tuán)隊(duì)報(bào)名。
研究型Research競賽通常是機(jī)器學(xué)習(xí)前沿技術(shù)或者公益性質(zhì)的題目。競賽獎(jiǎng)勵(lì)可能是現(xiàn)金，也有一部分以會議邀請、發(fā)表論文的形式獎(jiǎng)勵(lì)。 - 游樂場Playground：題目以有趣為主，比如貓狗照片分類的問題?，F(xiàn)在這個(gè)分類下的題目不算多，但是熱度很高。
- 入門比賽Getting Started：給萌新們一個(gè)試水的機(jī)會，沒有獎(jiǎng)金，但有非常多的前輩經(jīng)驗(yàn)可供學(xué)習(xí)。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，但是現(xiàn)在只保留經(jīng)典的入門競賽：手寫數(shù)字識別、沉船事故幸存估計(jì)、臉部識別。
- 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，這里的競賽有些會向public開放參賽，也有些僅僅是學(xué)校內(nèi)部教學(xué)使用。
Kaggle競賽的排名機(jī)制
在比賽結(jié)束之前，參賽者每天最多可以提交5次測試集的預(yù)測結(jié)果。每一次提交結(jié)果都會獲得最新的臨時(shí)排名成績，直至比賽結(jié)束獲得最終排名。在比賽過程中，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。在比賽結(jié)束時(shí)，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，用剩余數(shù)據(jù)的準(zhǔn)確率綜合得到最終排名。所以，比賽過程中用于最終排名的那部分?jǐn)?shù)據(jù)，參賽者是始終得不到關(guān)于準(zhǔn)確率的反饋的。這樣一定程度避免參賽模型的過擬合，保證評選出兼顧準(zhǔn)確率和泛化能力的模型。
三、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)競賽題目都有一個(gè)數(shù)據(jù)入口，描述數(shù)據(jù)相關(guān)的信息，與主頁上的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、測試集、訓(xùn)練集。Kaggle的數(shù)據(jù)以CSV格式最常見，提交的結(jié)果也要求是CSV格式。
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，是學(xué)習(xí)和交流的最佳所在！取名為kernels意味支持線上調(diào)試和運(yùn)行代碼，目前支持Python、R。對那些暫時(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，可以作為一個(gè)備選的計(jì)算資源。
四、如何上手Kaggle？
想要真正參與Kaggle，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，有一定的coding技能，對機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有基本的了解，Kaggle任務(wù)雖然不限制編程語言，但絕大多數(shù)隊(duì)伍會選用Python和R，所以至少熟悉其中一種。
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。因?yàn)楦傎惸Ｊ街械娜蝿?wù)是公司懸賞發(fā)布的實(shí)際案例，并沒有標(biāo)準(zhǔn)的答案；而練習(xí)賽不僅項(xiàng)目難度低，而且是有官方給出的參考方案的，大家可以用來對比改善自己的測試結(jié)果，從中進(jìn)行提高。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。
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（房價(jià)預(yù)測）
中文教程：Kaggle競賽 — 2017年房價(jià)預(yù)測
英文教程：How to get to TOP 25% with Simple Model using sklearn
3. Digital Recognition（數(shù)字識別）
中文教程：大數(shù)據(jù)競賽平臺—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)？
機(jī)器學(xué)習(xí)該怎么入門？
機(jī)器學(xué)習(xí)必備資源-如何開始機(jī)器學(xué)習(xí)競賽
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) (長文、干貨）
Kaggle Titanic 生存預(yù)測 -- 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(Top1.4%)完整代碼分享
本文參考：
</article>
12人點(diǎn)贊
