Kaggle入门指南(5个步骤+7个诀窍)

宁静致远
5个月前 阅读 49 点赞 1

首先,我们要清楚了解:


Kaggle 竞赛和「经典的」数据科学有一些重要的不同之处,但只要你以正确的心态接触它,就也能收获有价值的经验。


Kaggle 竞赛


本质上,带有奖金池的竞赛必须满足一些标准:


  • 问题必须困难:竞赛不应该是一个下午就能解决的任务。为了得到最好的投资回报,主办公司会提交他们最大最难的问题。
  • 解决方案必须新:要赢得最新的竞赛,你通常需要进行扩展研究、定制算法、训练先进的模型等等。
  • 表现必须能比较:竞赛必须要决出优胜者,所以你和其他对手的解决方案必须要被评分。


「经典的」数据科学


相对而言,日常所用的数据科学并不需要满足这些标准。


  • 问题可能简单。实际上,数据科学家应该尽力确认易于实现的成果:可以快速解决的富有成效的项目。
  • 解决方案可以是成熟的。大多数常见任务(比如探索分析、数据清理、A/B 测试、经典算法)都已经有了已得到证明的框架。没必要重新发明轮子。
  • 表现可以是绝对的。即使一个解决方案只是简单地超越了之前的基准,那也非常有价值。


Kaggle 竞赛鼓励你竭尽所能,而经典数据科学则推崇效率和最大化的业务效果。


Kaggle 竞赛值得参加吗?

尽管 Kaggle 和经典数据科学之间存在差异,但 Kaggle 仍然是一种很好的入门工具。

每个竞赛都是独立的。无需设置项目范围然后收集数据,这让你有时间专注其它技能。

练习就是实践。学习数据科学的最好方法是在做中学。只要没有每场竞赛都获胜的压力,你就可以练习各种有趣的问题。

讨论和获胜者采访很有启发性。每个竞赛都有自己的讨论板块与获胜者简报。你可以窥见更有经验的数据科学家的思考过程。

Kaggle 获胜者采访


怎样入门 Kaggle?


接下来,我们将给出一个按步进行的行动规划,然后慢慢上升到 Kaggle 竞赛中。


第一步:选择一种编程语言


首先,我们推荐你选择一种编程语言,并坚持使用。Python 和 R 在 Kaggle 和更广泛的数据科学社区上都很流行。

如果你是一个毫无经验的新手,我们推荐 Python,因为这是一种通用编程语言,你可以在整个流程中都使用它。


参考:



第二步:学习探索数据的基础


加载、浏览和绘制你的数据(即探索性分析)的能力是数据科学的第一步,因为它可以为你将在模型训练过程中做的各种决策提供信息。

如果你选择了 Python 路线,那么我们推荐你使用专门为这个目的设计的 Seaborn 库。其中有高层面的绘图函数,可以绘制许多最常见和有用的图表。


参考:



第三步:训练你的第一个机器学习模型


在进入 Kaggle 之前,我们推荐你先在更简单更容易管理的数据集上训练一个模型。这能让你熟悉机器学习库,为以后的工作做铺垫。

关键在于培养良好的习惯,比如将你的数据集分成独立的训练集和测试集,交叉验证避免过拟合以及使用合适的表现评价指标。

对于 Python,最好的通用机器学习库是 Scikit-Learn。


参考:



第四步:解决入门级竞赛


现在我们已经准备好尝试 Kaggle 竞赛了,这些竞赛分成几个类别。最常见的类别是:


  • Featured:这些通常是由公司、组织甚至政府赞助的,奖金池最大。
  • Research:这些是研究方向的竞赛,只有很少或没有奖金。它们也有非传统的提交流程。
  • Recruitment:这些是由想要招聘数据科学家的公司赞助的。目前仍然相对少见。
  • Getting Started:这些竞赛的结构和 Featured 竞赛类似,但没有奖金。它们有更简单的数据集、大量教程和滚动的提交窗口让你可以随时输入。


Getting Started 竞赛非常适合初学者,因为它们给你提供了低风险的学习环境,并且还有很多社区创造的教程:https://www.kaggle.com/c/titanic#tutorials


第五步:比赛是为了更好地学习,而不是赚钱


有了上面的基础,就可以参与到 Featured 竞赛中了。一般来说,为了取得好排名,通常需要远远更多的时间和精力。

因此,我们建议你明智地选择参与项目。参加竞赛能帮你深入到你希望长期参与的技术领域中。

尽管奖金很诱人,但更有价值(也更可靠)的回报是为你的未来事业所获得的技能。


享受 Kaggle 的小诀窍


最后,我们将介绍几个参与 Kaggle 的最受欢迎的诀窍,希望能帮你享受你的 Kaggle 时光。


诀窍 1:设置循序渐进的目标


如果你曾经玩过什么让人上瘾的游戏,你就知道循序渐进的目标的重要性。那就是好游戏让人着迷的诀窍。每一个目标都要足够大,以便带来成就感;但也不能太大,不然无法实现。

大多数 Kaggle 参与者都没赢过任何一场竞赛,这完全正常。如果把获胜作为第一个里程碑,你可能会失望,尝试几次之后可能就会失去动力。循序渐进的目标会让你的旅程更加愉快。比如:


  • 提交一个超越基准解决方案的方案
  • 在一场竞赛中进入排名前 50%
  • 在一场竞赛中进入排名前 25%
  • 在三场竞赛中进入排名前 25%
  • 在一场竞赛中进入排名前 10%
  • 赢得一场竞赛!


这种策略让你可以一路衡量你的进展和进步。


诀窍 2:查阅得票最多的 kernel


Kaggle 有一个非常厉害的功能:参与者可以提交 kernel,即用于探索一个概念、展示一种技术或分享一种解决方案的短脚本。

当你开始一场竞赛或感觉进步停滞时,查阅受欢迎的 kernel 或许能给你带来灵感。


诀窍 3:在论坛中提问


不要害怕问「愚蠢的」问题。

提问能遇到的最糟糕的事情是什么?也许你会被忽视……仅此而已。

另一方面,你能得到很多回报,包括来自经验更丰富的数据科学家的建议和指导。


诀窍 4:独立发展核心技能


开始的时候,我们建议你独自工作。这将迫使你解决应用性机器学习流程中的每一步,包括探索性分析、数据清理、特征工程和模型训练。

如果过早地和人组队,你就可能会错失发展这些基本技能的机会。


诀窍 5:组队以拓展你的极限


虽然太早组队不好,但在未来的比赛中组队让你能向其他人学习,进而拓展你的极限。过去的许多获胜者都是团队,这让他们可以结合彼此的知识共同施展力量。

此外,一旦你掌握了机器学习的技术技能,你就可以与其他可能比你有更多领域知识的人合作,进一步扩展你的机遇。


诀窍 6:记住 Kaggle 可以成为你的垫脚石


记住,你不一定要成为一个长期的 Kaggle 人。如果发现你不喜欢这种形式,也没什么大不了的。

实际上,许多人在做自己的项目或成为全职数据科学家之前都会使用 Kaggle 作为自己的垫脚石。

所以你的关注重点应该是尽可能地学习。长远来看,参与能给你带来相关经验的竞赛比参加有最高奖金的竞赛更好。


诀窍 7:不要担心排名低


有些初学者担心低排名出现在他们的个人资料中,结果一直没有开始。当然,比赛焦虑是很正常的现象,并不只限于 Kaggle。

但是,排名低真的没什么关系。没人会因此贬低你,因为他们曾经某个时候也是初学者。

即便如此,如果仍然担心个人资料里的低排名,你可以再单独创建一个练习账号。一旦觉得自己能力不错了,就可以开始用你的「主帐号」来建立丰功伟绩了。(再说一下,这么做毫无必要!)


结论

在这篇指南中,我们分享了上手 Kaggle 的 5 大步骤:


  1. 选择一种编程语言
  2. 学习探索数据的基础
  3. 训练第一个机器学习模型
  4. 解决入门级竞赛
  5. 比赛是为了更好地学习,而不是赚钱


最后,我们分享了享受这个平台的 7 个诀窍:


  • 设置循序渐进的目标
  • 查阅得票最多的 kernel
  • 在论坛中提问
  • 独立发展核心技能
  • 组队以拓展你的极限
  • 记住 Kaggle 可以成为你的垫脚石
  • 不要担心排名低


原文:https://elitedatascience.com/beginner-kaggle,参考:https://www.zhihu.com/question/23987009/answer/203051669
| 1
登录后可评论,马上登录吧~
评论 ( 0 )

还没有人评论...

相关推荐