Kaggle竞赛入门篇--Digit Recognizer 整活

这篇文章主要讲下Kaggle要怎么整活
我们首先进入Kaggle官网，注册自己的账号，然后选中左方的Compete找到Digit Recognizer这个比赛并参加。

接下来，我们可以看到

kaggle competitions download -c digit-recognizer

这样一行命令，这行命令的作用是通过kaggle的api直接下载kaggle的数据集，不得不说，这点确实要比天池做的好，一套齐活了，首先我们要安装下kaggle的接口，做法也简单。

pip3 install -i https://pypi.douban.com/simple kaggle

这样一来就安装好了kaggle的接口，我们就直接把数据集给下载过来吧，下载之后，我们用下面的指令解压一下数据集。

unzip digit-recognizer.zip

接下来我们会看到解压后的三个文件，分别对应训练集，测试集和提交样本，训练集就不解释了，测试集是没有label的，需要我们把测试集的label结果算出来，然后以提交样本的格式来提交csv文件：

sample_submission.csv 提交样本
test.csv 测试集
train.csv 训练集

数据格式一般会在比赛的data页里面声明，

我们看下这个比赛的data页，我们可以知道训练集的设计是采用了第一列标签页，后面特征的方式，同样的，我们也可以看到测试集的数据格式，拥有了数据集之后，我们就可以进行下面一步的计算了。这里由于主要是介绍Kaggle怎么玩，我们不会把太多的时间花费在算法设计上，我们这里就用sklearn里面的随机森林。（其实比较好的方法是先设计一个网络结构计算偏移，然后再设计一个branch识别偏移后的图像，但是这里为了快就不追求成绩了）

from sklearn.ensemble import RandomForestClassifier
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

def read_train_file(filename):
    data = pd.read_csv(filename)
    data = data.to_numpy()
    Y = np.transpose(data[:, 0])
    X = data[:, 1:]
    return X, Y

def read_test_file(filename):
    data = pd.read_csv(filename)
    data = data.to_numpy()
    return data

def split_train_dataset(X, y):
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
    return X_train, X_test, y_train, y_test

def updatetosubmission(y):
    pass

def train_and_evaluate(X, y):
    clf = RandomForestClassifier()
    X_train, X_test, y_train, y_test = split_train_dataset(X, y)
    clf.fit(X_train, y_train)
    y_result = clf.predict(X_test)
    accuracy = np.sum(y_test == y_result)/y_test.shape[0]
    print("accuracy: %r"%(accuracy))

def train_and_submit_test(trainX, trainY, testX):
    clf = RandomForestClassifier()
    clf.fit(trainX, trainY)
    result = clf.predict(testX)
    result = np.transpose(result)
    df = pd.DataFrame(result,columns=["Label"])
    df.index = df.index + 1
    df = df.to_csv("submission.csv")

def main():
    train_X, train_y = read_train_file("train.csv")
    test_X = read_test_file("test.csv")
    train_and_submit_test(train_X, train_y, test_X)

if __name__ == '__main__':
    main()

这份代码，为了方便我直接用了index，但实际上写的时候最好加上ImageId这一列，我是后面手动输入了这个单词，接下来我们只需要直接提交结果就可以了。

点击提交按钮把自己生成的csv文件给提交上去就可以了，同时也可以通过jump to your position in the leaderboard看到自己的比赛结果，欢迎来到召唤师峡谷，您已经完成新手教程（好像串台了）。