【数据竞赛】Kaggle知识点：比赛类型介绍

在Kaggle平台上，经常有好多个比赛可供选择。如下图所示，为正在进行比赛的截图。那么对于入门同学（从没参加过一次Kaggle比赛）如何选择一场适合的比赛呢？

本文将对Kaggle平台上的比赛按照类型进行划分，并对每种类型的比赛进行介绍。总有一个比赛适合你，文末还给出了快速上手Kaggle比赛的指南。

比赛类型

在Kaggle平台上比赛按照维度划分为：

按照比赛的形式：比赛可以划分为Getting Started、PlayGround、Research和Featured四类。其中Getting Started是难度最低的比赛，非常适合入门学习，比如TItanic和House Prices。

PlayGround类型的比赛难度稍微高一点，但难度也不会太高，适合针对特定问题进行深度学习。比如Dogs vs. Cats就是典型的图像分类的学习赛。

Research比赛是学术类型的比赛，Featured是商业公司的比赛。这两类比赛在赛题背景和难度上都更难，适合深入学习。需要注意的是，在Kaggle中只有Research和Featured类型的比赛会累计积分和奖牌。

按照比赛阶段：比赛可以划分为One-Stage、Two-Stage和Kernel赛，或者分为非Kernel赛和Kernle赛。

• 非Kernel赛通过选手提交预测结果文件进行打分
• Kernel赛需要选手通过Notebook进行预测打分。

需要注意的是，Kernel赛的Notebook提交是有运行时间和联网要求限制的。所以Kernel赛的复杂度会更高一些。在选择一个赛题时，可以根据自身的基础来选择，也可以根据赛题的要求进行选择。

比赛页面

在Kaggle平台上，举办方将每一个比赛都划分为如下的页面。在Notebooks页面中会有参赛选手公开的Notebook，也可以自己新建一个运行。

学习路线

对于入门学习Kaggle的同学来说，在选择好一场比赛之后，如何开始学习呢？这个要跟自身的知识背景出发。

如果你对赛题数据/任务比较熟悉，那么直接可以下载数据集开始建模；反之可以查看赛题的Notebook页面和Discussion页面找到其他选手分享的资源。

然后就可以按照如下流程开始：理解赛题内容、赛题数据、特种工程、构建模型和模型集成，不断迭代提高模型精度。

以Kaggle上的Real or Not? NLP with Disaster Tweets为例，这个比赛是一个对推特上推文进行分类的比赛，具体来说是NLP领域中的文本分类比赛。如果你对文本分类有一点了解，那么就可以直接上手做了。

按照文本分类的思路，可以按照如下思路迭代模型：

好的，本文就到这里。希望大家能找到适合自己的比赛，并参与其中学有所成。