2021-07-11 Kaggle平台的使用

1. 背景

学习《动手学深度学习-李沐》教学时，第一次比赛内容是房价数据预测，使用的数据提交平台是Kaggle。前期也了解过Kaggle平台是有同学来面试，会提到参加Kaggle比赛的某某项目名次。对于这次学习的成果验证，也需要使用。

听到李沐介绍2000多个同学参加直播，实际参赛对于170多，参与率小于10%。除了技术之外，还有存在很多空间可以成长。同时我也目前属于90%的人群，主要还是不会使用Kaggle，闻其名不知其用。

过去的行为需要改变，主动学习并参与，进入Data Scientist的大群体，至少要学会Kaggle，因此整理学习过程用于当前总结和日后回顾之用。

2. Kaggle平台简介

Kaggle是一个服务于数据科学家，采用机器学习等方法进行数据竞赛排名的平台。成立于2010年，由Anthony Goldbloom和Jeremy Howard创立，在2017年3月8日，Google宣布收购Kaggle。

[1]wikipedia, https://en.wikipedia.org/wiki/Kaggle

3. 使用方法总结

3.1. 竞赛说明

竞赛类型：通用和其他

3.1.1. 通用竞赛：

1. 特定型比赛：常用1000-5000支队伍短期内参赛，设有奖金有时达到100万美元。
   ·专家还是初学者，都可以学习技巧和讨论。
2. 研究型比赛：一般几百支累计内参赛，不设有奖金。
   ·往往是对某一特定领域的深入研究。
3. 初学者比赛：常会几千几万支对于参赛，是初学者学习的圣堂，往往是·机器学习重要的课题讨论和练习的场所。
   因为容易获得数据，查看代码，实际操练已经学习到的技巧，非常受到大家的欢迎。
4. 游乐场：比初学者难度高一点，偶尔会有一些奖金。
   ·会有一些低风险的数据场景，提供练习。这次李沐的学习课程正是属于这个类型。

3.1.2. 其他竞赛：

1. 招募比赛：用于招募员工而设立的比赛。
2. 年度比赛：每年3月机器学习比赛，12月算法优化比赛。
3. 限定参与比赛：一般一些大师互相切磋技艺，以邀请制形式出现。

3.2. 比赛形式

1. 简单竞赛：
   ·最通常的竞赛形式，通过下载竞赛数据，本地建模，再上传结果的形式。
2. 两阶段竞赛：
   ·分成一阶段和二阶段，根据一阶段的结果决定二阶段的比赛队伍，两个阶段的数据和形式都有可能变化。
3. 代码竞赛：
   ·更为公平形式的竞赛，需要在Kaggle平台的Notebooks编写代码，使用公有云上的CPU和GPU建模比赛。
   ·往往获胜的队伍，是资源使用效率较高的类型。

3.3. 参加竞赛

3.3.1. 选择比赛

1. 在竞赛列表（Competitions listing）寻找感兴趣的竞赛。
2. 查看竞赛要求，以及其他信息：
   ·包括概览、数据、代码、讨论、计分板、规则等。
3. 期间提交：过程中根据实际情况，交到数据，参与比赛。

3.3.2. 形成队伍

1. 在竞赛期间可以形成队伍：

   
   
2. 队伍成员：1人队伍和多人队伍。
3. 队伍名称：可以修改。
4. 合并队伍：在一定时期内可以在人数要求下，合并或者被合并队伍。
5. 解散队伍：提交过代码后无法解散队伍。

3.3.3. 做出提交

1. 为了得到模型分数，需要做提交数据或提交代码；
2. 每天提交次数有限制，一般是5次/日，每次竞赛可能不同；

3. 计分板：提交后可以查看成绩；

   
   
4. 提交预测；
   4.1. 上传数据文件：
   a. 大多数竞赛会选择的方式；
   b. 一般会有两个提交标签，“提交预测（Submit Predictions/Late Submission）”和“我的提交（My Submissions）”；
   c. “提交预测”：点击后，按照格式上传文件；
   d. “我的提交”：当提交预测多次后，可以根据自己的要求确认哪次提交为最终成绩；
   4.2.上传Notebook代码：
   a. 在“代码（Code）”页面可以管理Notebook，详细可访问Notebooks；
   b. 在该页面点击“新工作簿（New Notebook）”，使用竞赛数据，添加相关代码，进行建模预测；
   c. Notebook可以私人化也可以共享化，随时可以切换；
   d. 编写完成后，点击“保存版本（Save Version）”，弹窗中选择“保存并执行（Save & Run All）”，再点击“保存（Save）”，即完成一次提交；
   e. 当新版本完成后（从头至尾执行完提交代码），导航到Notebook版本页面查看结果，可以选择你的提交文件，点击“提交（Submit）”按钮，即完成代码提交。

3.4. 初学者资源

新用户可以选择Kaggle的机器学习算法入门：

1. 二分类问题：Titanic: Machine Learning from Disaster
2. 回归问题：House Prices: Advanced Regression Techniques

4. 参考资源：

1. Kaggle Competitions
2. 动手学深度学习在线课程