如果你打算研究機(jī)器學(xué)習(xí)或是今后想從事數(shù)據(jù)科學(xué)相關(guān)的工作，Kaggle應(yīng)該是一個(gè)繞不過去的名字。

Kaggle是2010年在舊金山創(chuàng)立的一個(gè)數(shù)據(jù)建模和數(shù)據(jù)分析競賽平臺(tái)，在很短的時(shí)間內(nèi)就聲名鵲起，去年被google收購，在業(yè)界具有很高的知名度和權(quán)威性，企業(yè)可以在上面發(fā)布數(shù)據(jù)和想要解決的問題，并進(jìn)行“懸賞”，數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)的愛好者們可以基于這個(gè)平臺(tái)提交自己的模型和預(yù)測結(jié)果，平臺(tái)會(huì)根據(jù)測試集對(duì)參賽者進(jìn)行評(píng)分排名，排名最高幾位可以分享獎(jiǎng)金，更重要的是，kaggle為全世界數(shù)據(jù)分析及機(jī)器學(xué)習(xí)愛好者們提供了一個(gè)交流學(xué)習(xí)的平臺(tái)，里面不乏機(jī)器學(xué)習(xí)的頂尖高手，各大公司也常年在kaggle上招募比賽名次好的團(tuán)隊(duì)和選手，良好的kaggle競賽履歷絕對(duì)是簡歷上的加分項(xiàng)，如果你參加過多次Featured（商業(yè)問題，有獎(jiǎng)金）和Research（學(xué)術(shù)類）類型的比賽，并且多次進(jìn)入TOP10%甚至TOP5%，那么你只用蹲在家里，獵頭自會(huì)找上門。

Kaggle分為5個(gè)大的板塊：

- Competitions（競賽）

分為商業(yè)競賽、學(xué)術(shù)類競賽、入門級(jí)競賽和一些由大公司如Google、Fackbook不定時(shí)舉辦的邀請(qǐng)賽。

- Datasets（數(shù)據(jù)集）

公司或個(gè)人貢獻(xiàn)的各類型的數(shù)據(jù)集，搞機(jī)器學(xué)習(xí)最怕找不到數(shù)據(jù)，kaggle給大家獲取數(shù)據(jù)練習(xí)提供了一些捷徑。

- Kernels（數(shù)據(jù)分析及建模）

有點(diǎn)類似GitHub的代碼管理，說直白點(diǎn)就是給用戶提供了云上的數(shù)據(jù)分析和建模的環(huán)境，不過涉及到代碼上傳，我廠童鞋請(qǐng)慎用...

- Discussion（討論區(qū)）

里面有全世界各地的數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)的專家和愛好者，針對(duì)題目、算法、建模等熱烈的討論，冥思苦想幾天的問題看看大牛們的解題思路說不定就秒懂。

- Jobs（工作）

一些公司會(huì)直接在kaggle上放出數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)類的崗位，基本都是歐美的中小型公司。

一、Kaggle競賽的一般步驟

下圖是kaggle競賽步驟的簡單示意圖，中間迭代的步驟也可以看做是一般機(jī)器學(xué)習(xí)建模及驗(yàn)證的步驟，需要特別注意的是，比賽結(jié)束以前，kaggle提供用來驗(yàn)證的測試數(shù)據(jù)集是Public數(shù)據(jù)集，提供給大家進(jìn)行及時(shí)驗(yàn)證和反饋模型效果的，所以在Publlic Leaderboard上的排名和得分并不是最終結(jié)果，待比賽結(jié)束后，會(huì)用Private數(shù)據(jù)集進(jìn)行最終的計(jì)分和排名，目的是防止模型過擬合，能真正在未知數(shù)據(jù)上取得好成績的才是優(yōu)秀的模型。

好了，說了這么多，不在Kaggle上刷刷榜，怎么好意思說自己在學(xué)習(xí)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)呢：-），我們以Kaggle上最為知名的入門題目 Titanic: Machine Learning from Disaster（利用機(jī)器學(xué)習(xí)預(yù)測泰坦尼克乘客是否生還）為例，看看怎么玩Kaggle。

二、軟件環(huán)境

sklearn + numpy + pandas + seaborn

我使用的是sklearn，很成熟的機(jī)器學(xué)習(xí)框架，最新版本也支持深度神經(jīng)網(wǎng)絡(luò)，當(dāng)然數(shù)據(jù)處理和可視化還需要用到numpy，pandas，seaborn，當(dāng)然你也可以使用tensorflow等其他框架，kaggle并不要求上傳模型本身，只需要預(yù)測結(jié)果就可以了，強(qiáng)烈推薦大家使用python3.6的科學(xué)發(fā)行版Anaconda，這些庫里面都有。

三、理解題目&下載數(shù)據(jù)

題目地址：https://www.kaggle.com/c/titanic
這是Kaggle上熱度最高的題目，迄今為止參賽的隊(duì)伍已經(jīng)超過10000支，基本上所有參與Kaggle的人都會(huì)拿這個(gè)題目練手。所以題目雖簡單，但取得好的名次也不容易。

總結(jié)

以上是生活随笔為你收集整理的Kaggle机器学习入门实战 -- Titanic乘客生还预测的全部內(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。