kaggle 入门一些问题

前言

最近研究一下kaggle机器学习平台，这个凭条最大可提供16G的内存，还有CPU等资源使用，非常不错，想着来学习一下。

读取数据集

kaggle支持多种数据集，你可以自己上传数据集，也可以用别人上传的数据集，也可以用平台提供的数据集，非常多的选择，而且如果你上传的数据集跟别人是一样的，平台还会提示你，让你用已有的数据集，避免重复的数据集。

如何在kaggle上pip 库

In the kernel:

1) Setting (at the right bottom of the kernel):
Turn the internet "ON"

2) In the kernel:
!pip install yourpackage

其实就是说：

• 1、第一步，internet 打开，打开网络
  这一步可能需要你验证手机号

• 2、第二步：在你的代码里 直接 输入 pip 命令来下载这些数据。

kaggle 比赛类型

目前Kaggle上的比赛类型分为以下几种，对参赛选手的门槛有不同层级的要求

1. 面向初学者：

★.Getting Started

项目难度低，非常适合入门级的参赛者用来练手，但没有奖牌或奖金，只能看到自己的排名。常年进行中的比赛有3个：

（1） Titanic
（2） House prices
（3） Digits Recognizer

这三个比赛由于常年挂在Kaggle上，数据集也未做任何更新，已经有很多baseline可以借鉴，很多参赛队伍拿到了满分或接近满分的成绩。

★.Playground

项目难度比Getting Started稍难，主要是一些趣味性的比赛，看创意而不是解决具体的研究问题，奖励可能是奖金、荣誉，不能获得奖牌。

2. 面向竞赛者：

★.Featured

是Kaggle上主要的竞赛类型，为解决商业问题而设立的比赛，奖金高竞争激烈，有金银铜牌奖励，对参赛选手的能力有一定的要求。

★.Research

致力于解决科研界学术界的前沿问题，偏向于实验性质，较难；竞争没那么激烈，通常也有奖金和金银铜牌，但有的比赛只给荣誉奖励，或者是提供参加顶会的机会。

3. 面向求职者：

★.Recruitment

赞助商为招聘数据科学家而设立的比赛，奖励就是赞助商提供的工作机会

4. 其他比较冷门的比赛类型：

★.Annual

不是严格意义上的比赛，每年两次，一次是美国大学篮球锦标赛期间的三月机器学习比赛，一次是圣诞节期间的圣诞主题优化比赛

★.Limited participation
通常是私人赛或邀请赛，例如只有master级别及以上才能参加的Master’s Competition。目前总共也就五场比赛。

有针对性地选择比赛题目。Kaggle上的比赛题目主要有这几种：data mining（数据挖掘），computer vision（计算机视觉）， natural language process（自然语言处理）， optimization（优化）。通过kaggle上的标签可以快速识别：

• 数据挖掘类的竞赛，其便签往往是tabular data。
• 对于NLP领域的竞赛，其往往含有text data或nlp的标签。