kaggle账号_kaggle | 入门教程

为萌新提供一份最直接的图文教程，介绍kaggle的一些基本操作，让没有任何经验的人也可以快速上手。

1

Join a competition

首先注册kaggle账号，登录后点Compete之后可以看到Competitions如下。

随便点一个进入，可以看到比赛的详细信息，Overview中可以看到该比赛要解决什么问题，感兴趣点击Join Competition加入即可。

加入比赛后需要了解比赛的信息，比如比赛如何计分，比赛的时间线(什么时候结束等)，对submission的要求，组织者提供了哪些数据等。下文以肺纤维化预测肺活量的比赛为例进行说明。

2

Overview

Overview->Evaluation

可以看到如何对预测结果进行评价，以及预测应该是什么格式的。各个比赛的evaluation的方式不同，可能是F1 score/AUC/weighted MAE等。这是根据比赛的目的，由组织者决定的。这个比赛使用的meidcal运用中常用的Laplace Log Likelihood。这里不需要自己花时间写evaluation和生成submission文件的代码，参考其他参赛者的Notebook即可。

Overview->Timeline

提供了一些时间的信息，比如开始结束时间，最晚参赛的时间，最晚合并队伍的时间。

Overview->Code Requirements

该比赛为code competition，即你需要提交代码，由kaggle后台运行，生成prediction并计分。这类形式的比赛会规定CPU/GPU时间，以及一些其他的设置比如是否可以使用外部的数据，运行时是否能联网。

与之相对的另外一种形式是：上传submission的文件(一般是csv文件)kaggle计分。 这种形式很难发现参赛者是否有cheating的行为，如果第一名把结果分享给了另外一个人，加入随机的噪音也可能获得很好的成绩。

3

Data

组织者会在这里详细解释每一个特征是什么意思，如何收集的等信息。这些信息至关重要，要仔细读题~ 如果还有不清楚的还可以参考一些科普的notebook。

在这里点击Data Explorer中的文件或者文件夹可以对数据的有一个直观的了解，也可以单独下载某一个文件进行预览。

比如Test folder 下包括了哪些文件

比如train.csv是什么样的，每个column的数据大概的分布什么样

数据下载

点击Download All可下载所有的数据。如果使用kaggle提供的实例(相当于云上的一个电脑)在线运行代码则不需要下载数据。

此外命令行的下载方式使用了kaggle的API，需要提前下载一个token，这种下载方式适用于无图形界面的服务器。

4

Notebooks

这里可以看到其他参赛者分享的code，以notebook的形式呈现，类似于jupyter notebook允许交互和呈现图表。目前清一色的python，最近已经很少看到R的身影。推荐直接用排序看vote最高的notebook。投票最高的往往包括了基础的EDA (Exploratory data analysis)和feature engineering，里面会有很多关于该类型数据或者该领域的科普。

例如第一notebook就科普了什么是肺纤维化，什么拉普拉斯log-likelyhood，如何可视化diocom文件，如何提取diocom的信息，并且对数据进行了一些初步的分析和可视化。比如第三个notebook更是详细地科普了什么是laplace log-likelihood。

notebook带分数标签的意思是如果使用该notebook可以获得相应的public leaderboard中的分数。带tpu或者gpu标签的表示该nodebook使用的运算方式，不标即为cpu

5

Run Notebooks

如果觉得某个Notebook提供了一个不错的基线模型，进入notebook后可以点击右上角Copy and Edit收入囊中，在kaggle提供的实例上编辑和运行。

Copy之后就可以编辑和运行notebook了，这里的操作和jupyter notebook一样。当然也可以自己新建一个notebook进行数据分析。

线上运行notebook并不需要下载数据，数据的位置如下所示，可以点击进行浏览。如果notebook使用了外部的数据(即参赛者上传的数据)，这个数据在你copy notebook的时候，会一起被copy过来(比如这个notebook中的osic-histogram-feature就是作者在本地计算的特征)。由于一些code competetion 对运行时间和internet access有限制，可以将pre-trained的模型或者计算好的特征上传以缩减运行时间。

状态栏可以看到资源的使用情况

在右侧的setting中可以设置是否使用GPU/TPU加速(kaggle提供了每周30小时的gpu使用时间！)

点击save version可以保存notebook，保存的notebook可以在Notebooks->Your Work找到

同时在Notebooks页面还可以看到当前session的信息，不用可以停止掉

对于提交和分享notebook推荐使用Commit的保存方式方式(第二个选项)，它会将所有的代码运行一遍并且生成所有的图表和output。

6

Submit Predictions

目录中的output的路径是submission文件生成的地方，对于只要求提交submission.csv文件的比赛，在这里下载submission.csv文件，上传提交即可。(这里需要点击刷新才能看到新生成的文件)

对于code competition来说，首先以commit的方式保存你需要提交的notebook，到Notebooks->Your Work 

点击进入想要提交的notebook(已经commit过)，到底部可以看到该notebook生成的submission.csv，表示该notebook已生成符合要求的submission，点击submit，后台就会为你运行该notebook，并提交反回结果。

至此一个baseline submission便完成了，可在leaderboard中查看排名。

在My Submission中可以管理已经提交的结果。一个账号每天的提交次数会有限制，这个比赛的提交次数限制为每天5次。在比赛结束前可以选择2个已提交的结果为最后的submission，否则系统自动选择2个分数最好的作为最后的submission。

最后不得不说的是有比赛就有培训班和cheating，相比于奖金和名次，正确的态度/心态更重要。

推荐阅读1

文摘菌，公众号：大数据文摘花钱买大腿？奖牌明码标价？含金量被质疑后，我们找Kaggle合规会聊了聊规则

推荐阅读2

关注前沿科技，公众号：量子位为了1万美元奖金，他作弊拿到Kaggle比赛第一名，之后跳去硅谷明星AI创业公司，现已被封号