Kaggle比赛入门攻略（以 Titanic 为例）

为什么选择 Kaggle 入门比赛？

Kaggle 是全球最大的数据科学竞赛平台。入门比赛 Titanic: Machine Learning from Disaster 是初学者的理想起点，数据量小、结构简单、题目经典。

---

Step 1：注册并加入比赛

1. 访问比赛地址：https://www.kaggle.com/c/titanic
2. 注册或登录 Kaggle 账号
3. 点击右上角 Join Competition
4. 同意比赛规则（必须完成这步，才算正式参赛）

---

Step 2：理解比赛任务与数据

比赛目标：

预测泰坦尼克号乘客的生还情况（二分类问题：0 = 死亡，1 = 生还）

数据文件：

• train.csv：训练数据（已知生还结果，共891人）
• test.csv：测试数据（未知生还结果，共418人）
• gender_submission.csv：官方示例提交文件

---

Step 3：创建 Notebook 并加载数据

在比赛页面点击 Code → New Notebook，复制以下代码执行：

import pandas as pd

# 加载数据
train_data = pd.read_csv("/kaggle/input/titanic/train.csv")
test_data = pd.read_csv("/kaggle/input/titanic/test.csv")

# 查看前几行
train_data.head()

---

Step 4：数据探索（EDA）

查看性别和生还率的关系：

# 女性生还率
women = train_data.loc[train_data.Sex == 'female']["Survived"]
print("女性生还率：", women.mean())

# 男性生还率
men = train_data.loc[train_data.Sex == 'male']["Survived"]
print("男性生还率：", men.mean())

输出显示女性生还率高达 ~75%，男性仅约 19%

---

Step 5：训练一个简单模型（随机森林）

from sklearn.ensemble import RandomForestClassifier

# 选择特征列
features = ["Pclass", "Sex", "SibSp", "Parch"]
X = pd.get_dummies(train_data[features])
X_test = pd.get_dummies(test_data[features])
y = train_data["Survived"]

# 模型训练
model = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1)
model.fit(X, y)

# 生成预测结果
predictions = model.predict(X_test)

# 保存提交文件
output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions})
output.to_csv('submission.csv', index=False)
print("预测结果已保存为 submission.csv")

---

Step 6：提交结果并查看排名

1. 点击右上角 Save Version → 选择 Save & Run All
2. 稍等片刻，Notebook 会执行完毕
3. 在右上角点击版本号 → 进入 Viewer
4. 在 Data 页点击 Submit 按钮提交
5. 页面底部可看到你的 Public Score 和排行榜位置

---

Step 7：下一步可以做什么？

• 添加更多特征：Age、Fare、Embarked 等
• 处理缺失值：如用中位数填充 Age
• 尝试其他模型：Logistic Regression、XGBoost、LightGBM
• 学习课程：
• Intro to Machine Learning
• Pandas 基础

总结

阶段	内容
注册参赛	加入比赛并同意规则
数据理解	train/test 数据结构清晰
创建 Notebook	无需本地环境，在线运行
探索数据	找到性别、舱位等关键特征
构建模型	使用 sklearn 快速上手
提交预测	自动保存为 CSV 并提交评分
持续提升	学习课程，改进特征，调参优化

---

如果你成功提交了 Titanic 的预测结果，恭喜你正式迈出了数据科学之路的第一步！