kaggle新手实战教程

kaggle新手实战教程

本教程将以Kaggle上的PUBG竞赛为例，提供从kaggle项目的启动到提交成绩的完整流程，希望对首次接触者有所帮助

1.新建notebook

首先进入Kaggle-PUBG竞赛页面的notebooks标签栏: notebooks.
点击New Notebook按钮

进入代码编辑界面后，可以看见需要用到的输入数据集已经自动导入input文件夹，也可以通过Add data按钮自行添加Kaggle网站上的数据集，也可以从本地上传数据集或者训练好的模型到Kaggle上，但上传一定要有VPN，一定要有VPN，一定要有VPN（3遍）
上传完成后，文件后会有绿色的✔，输入title后点击Create就能将文件导入input文件夹

2.编辑代码

import tensorflow as tf
train = pd.read_csv('../input/pubg-finish-placement-prediction/train_V2.csv')
data=train.copy()
data['winPlacePerc'].fillna(data['winPlacePerc'].mean(), inplace=True) #填充空值
x = data.iloc[:,[3,4,5,6,7,8,9,10,11,12,13,14,16,17,18,19,20,21,22,23,24,25,26,27]] #去除id，mathchid，groupid,matchType,label
y = data.iloc[:,-1]   #label

#创建MLP模型
from sklearn.neural_network import MLPRegressor
clf = MLPRegressor(hidden_layer_sizes=(300, 200, 100, 50, ), activation='relu', 
                   solver='adam', alpha=0.0001, batch_size=128,  
                   learning_rate='constant', learning_rate_init=0.001, max_iter=5, 
                   shuffle=True, verbose=True, 
                   early_stopping=True, validation_fraction=0.2)

#拟合模型
clf.fit(x, y)

#保存模型
import joblib
joblib.dump(clf,'clf.pkl',compress=3)

#导入测试数据
test = pd.read_csv('../input/pubg-finish-placement-prediction/test_V2.csv')
test1 = test.iloc[:,[3,4,5,6,7,8,9,10,11,12,13,14,16,17,18,19,20,21,22,23,24,25,26,27]]

#通过训练好的模型进行预测
pre=clf.predict(test1)

#构建提交结果时所需要的格式
pre = pd.DataFrame(pre)
id=test.iloc[:,0:1]
df=pd.concat([id,pre], axis=1)
df.rename(index=str,columns={ 0:"winPlacePerc"}, inplace = True)

#导出结果用于提交(注：该PUBG项目提交结果时的文件名必须为：submission.csv，所以导出的时候不要写错，否则要重新导出一遍)
df.to_csv('submission.csv', index=False)

3.Save version

执行完全部代码后，能够看见output文件夹中生成了’submission.csv’文件，那么就可以保存版本了。
点击右上角的Save version，选用Quick Sava即可，Advanced Settings中选择save

4.提交结果

通过菜单栏进入我的notebook主页，点击进入刚才的notebook，往下拉看到Output，里面有生成的clf.pkl模型和submission.csv文件，选择submission.csv然后点击Submit即可完成提交
注： 提交时需要VPN！！！

5.查看结果

1.提交完成时，通过弹出的提示框进入查看结果的页面

2.通过竞赛主页的My Submissions查看