Kaggle 入门：初学者的快速指南

Kaggle 是Google旗下的数据科学家和机器学习工程师的在线社区。机器学习和数据科学领域的初学者对网站的普遍感觉是犹豫不决。这种感觉主要是因为外界对网站的误解。这里是其中的一些 -

Kaggle 是一个机器学习竞赛主办网站——这种误解很普遍，因为许多组织举办机器学习竞赛要么是为了招募数据科学家，要么是为了解决面临的问题。拥有最佳解决方案的用户和团队通常会获得现金奖励。除了举办比赛外，该网站还提供大量数据集。用户还可以获得最佳数据集的奖励。

只有博士和数据科学家才能赢得比赛——这是一个对这门学科非常感兴趣的高中生自学的故事。他没有学习算法背后复杂的数学知识，而是对这些技术有了逻辑认识。

人们认为自己不够好，无法参加比赛——作为一个学习过程，应该关注机器学习项目的探索部分和特征工程。

要开始使用 Kaggle，你应该遵循一个大致的步骤大纲——

第 1 步：选择一种编程语言
Python和R是数据科学和机器学习领域最著名的两种编程语言。通常，如果一个人来自开发背景，则首选Python ，而如果一个人来自统计/分析背景，则首选 R。在普遍的共识中， Python是首选，因为它是一种通用编程语言，可以根据用户的需求进行调整。

第 2 步：学习探索性分析基础知识
如上所述，应该专注于对给定数据进行探索性分析。人们还应该学习如何可视化数据，通常， Python库 Matplotlib 和 Seaborn 被认为是很好的起点。

第 3 步：学习训练模型的基础知识–
在深入了解 Kaggle 之前，应该有一点训练学习模型的经验。通常， Python库 Sklearn 被认为是最好的。

第 4 步：进入 Kaggle –
Kaggle 有很多不同类别的比赛。其中之一是“入门”类别，其结构类似于主要的金钱奖励竞赛。这些比赛有更简单的数据集和社区创建的教程。

第五步：竞争学习——
一个人应该在网站上竞争，目的是学习而不是赚钱。

第 6 步：参考已投票的内核–
Kaggle 中的内核是一种共享虚拟 Jupyter 笔记本并在云上运行它们的方式。许多获奖者接受了关于他们思考过程的公开采访。可以参考其他点赞的内核来学习和拓宽自己的思维空间。

Kaggle 是一个伟大的垫脚石，应该成为每一位即将到来的机器学习工程师和数据科学家的一部分。