Kaggle知識(shí)點(diǎn)

在我們之前的分享中我們大多以具體的競(jìng)賽案例，如某個(gè)競(jìng)賽的Top解決方案來講解具體的比賽。那么是不是有更好的學(xué)習(xí)方法呢？

答案是肯定有，大部分Kaggle賽題都是相通或者類似的，還有一些通用的問題。

問題1：賽題是哪一種類型？

首先參加Kaggle競(jìng)賽，你需要知道有哪些具體的比賽類型。具體分類如下圖所示，當(dāng)然有多種分類方法。

最為主要的類型區(qū)別有：

• 賽題的提交方式（提交結(jié)果、Kernel）

• 賽題問題類型（CV、NLP或結(jié)構(gòu)化）

問題2：賽題問題是什么？

在確定好賽題類型后，你應(yīng)該仔細(xì)閱讀賽題的Overview界面弄清楚的賽題的具體問題。當(dāng)然賽題描述不會(huì)很明確的說出賽題具體問題，需要選手自行進(jìn)行分辨。

在回答問題2時(shí)，需要弄清楚：

• 賽題是CV、NLP還是結(jié)構(gòu)化中的哪一種？

• 賽題對(duì)應(yīng)于學(xué)術(shù)問題的中哪一種？

• 賽題我之前見過嗎？有代碼或知識(shí)的積累？

• Kaggle有類似賽題任務(wù)嗎，有選手分享嗎？

問題3：賽題數(shù)據(jù)如何建模？

在弄清楚賽題類型和具體的問題后，需要弄清楚賽題問題的建模方式，這一點(diǎn)就涉及到具體的建模的方法和模型了。

當(dāng)然也并不是所有的賽題都是新任務(wù)，Kaggler只需要熟知?dú)v史任務(wù)，并進(jìn)行舉一反三就可以了。在問題3你應(yīng)該弄清楚：

• 問題有不同的建模方式，哪一種更加適合？

• 問題建模應(yīng)該使用哪一個(gè)模型？

• 問題模型如何迭代，如何優(yōu)化？

問題4：賽題數(shù)據(jù)的細(xì)節(jié)理解？

在了解了賽題的初步的任務(wù)和建模方法后，接下來就要深入到細(xì)節(jié)中了。你應(yīng)該深入理解賽題數(shù)據(jù)的字段含義、字段產(chǎn)生方式和標(biāo)簽的產(chǎn)生方式。

對(duì)于結(jié)構(gòu)化數(shù)據(jù)的每個(gè)字段：

• 字段的類型、含義是什么

• 字段與標(biāo)簽有什么關(guān)系？

在回答問題4時(shí)，可以從描述性數(shù)據(jù)分析和探索性數(shù)據(jù)分析兩個(gè)角度來完成。賽題的理解決定了賽題的具體建模方式，是尤為關(guān)鍵的一點(diǎn)。

問題5：賽題使用什么模型？

問題5與問題3有點(diǎn)類似，但在問題5你應(yīng)該回答的更加具體，

• 賽題具體使用到的模型是什么？

• 模型有哪些超參數(shù)可供選擇？

• 有類似模型可以對(duì)比參考嗎？

在回答問題5時(shí)，需要根據(jù)問題4的答案來進(jìn)行接解決。首先根據(jù)賽題具體的數(shù)據(jù)類型，可以將賽題分為結(jié)構(gòu)化賽題和非機(jī)構(gòu)化賽題。同時(shí)在回答問題5時(shí)，你應(yīng)該跑通或者寫完baseline了。

問題6：模型處于那種階段？

機(jī)器學(xué)習(xí)模型根據(jù)狀態(tài)可以分為欠擬合和過擬合，當(dāng)然你應(yīng)該追求模型對(duì)測(cè)試集最好擬合的狀態(tài)。

也就是說，你應(yīng)該知道模型此時(shí)的狀態(tài)。

• 如果模型是欠擬合你應(yīng)該做什么？

• 如果模型是過擬合你應(yīng)該做什么？

問題7：賽題上分點(diǎn)是什么？

當(dāng)你回答完前面6個(gè)問題后，基本上你已經(jīng)提交過一次答案，已經(jīng)成功上榜了。但是這些還不夠，與前排選手相比你的模型精度還有待優(yōu)化。

因此你需要弄清楚：

• 前排選手與自己的精度差異在哪兒？

• 自己還能從哪些地方上分？

回答問題7最好的方法是閱讀比賽論壇和相關(guān)論文，當(dāng)然這些問題的具體答案只能自己回答自己了。從問題7開始，你開始真正的競(jìng)賽探索過程。

問題8：本地CV與線上得分？

在模型訓(xùn)練的過程中，本地驗(yàn)證集CV的得分非常重要。同時(shí)本地CV與線上得分的差異性也至關(guān)重要，也就是CV vs 線上（PB）。

在Kaggle每個(gè)比賽中，經(jīng)常會(huì)有人對(duì)比自己CV與線上得分的差異性（gap）。這樣對(duì)比的作用是：

• 尋找更好的本地CV得分；

• 尋找更加問題的gap；

通過問題8，你將會(huì)對(duì)賽題線上線下有初步的感知，這將會(huì)影響你的最終得分。當(dāng)然分布需要細(xì)心觀察，反復(fù)試驗(yàn)得到的。

問題9：賽題如何完成集成？

在不斷回答自己?jiǎn)栴}的同時(shí)，你還需要考慮模型最終的集成問題。模型集成在有些Kaggle競(jìng)賽中非常重要，會(huì)帶來精度增益。

但是模型集成是需要得分差異性，需要訓(xùn)練多個(gè)模型的：

• 如何完成stacking和簡(jiǎn)單的KFlod平均？

• 深度學(xué)習(xí)模型如何完成模型集成？

問題10：賽題如何完成總結(jié)？

最后的最后，在比賽完結(jié)后不管結(jié)果如何。希望你在閱讀和反思比賽的歷程后回答自己這些問題：

• 通過本次比賽我學(xué)習(xí)到什么？

• 我與前排選手差異在哪兒？

• 遇到下次類似比賽，我將如何行動(dòng)？

參加比賽還是很耗費(fèi)資源和時(shí)間，無論大家結(jié)果如何，希望大家都有所收獲。希望大家都不要翻車~

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載中國(guó)大學(xué)慕課《機(jī)器學(xué)習(xí)》（黃海廣主講）機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊(cè)深度學(xué)習(xí)筆記專輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載本站qq群955171419，加入微信群請(qǐng)掃碼：

總結(jié)

以上是生活随笔為你收集整理的【竞赛相关】Kaggle知识点：入门到进阶的10个问题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。