轉自：https://blog.csdn.net/colouroo/article/details/53730011
Kaggle號稱是全球最大的數據科學家匯聚的平臺，高手雲集，同時對萌新也很友好。Kaggle網址：https://www.kaggle.com/。目前爲止（2016.12）網站有這麼幾個版塊：
1、競賽competitions
2、數據datasets
3、代碼kernels
4、論壇forums
5、工作機會jobs
從版塊的歷史沿革來看，kaggel已經不滿足與競賽題目發佈-方案徵集的定位，正逐步發展成數據科學家學習、交流的綜合平臺。本篇重點介紹“競賽”、“數據”、“代碼”這幾個版塊，便於快速開啓一個kaggel競賽題目。
一、“競賽”版塊
“競賽”版塊是發佈競賽題目和參加競賽的入口。參加kaggle的競賽流程基本是：選一個題目>>下載數據>>訓練模型>>提交結果>>查看排名>>優化模型（迭代）>>最終提交>>比賽結束。
Kaggle競賽分類
從參賽者的角度看，競賽種類有：推薦比賽Featured、人才徵募Recruitment、研究型Research、遊樂場Playground、入門比賽Getting Started、課業比賽In Class。
推薦比賽Featured是瞄準商業問題帶有獎金的公開競賽。如果有幸贏得比賽，不但可以獲得獎金，模型也可能會被競賽贊助商應用到商業實踐中呢。
人才徵募Recruitment的競賽是贊助企業尋求數據科學家、算法設計人才的渠道。只允許個人參賽，不接受團隊報名。
研究型Research競賽通常是機器學習前沿技術或者公益性質的題目。競賽獎勵可能是現金，也有一部分以會議邀請、發表論文的形式獎勵。
遊樂場Playground裏的題目以有趣爲主，比如貓狗照片分類的問題。現在這個分類下的題目不算多，但是熱度很高。
入門比賽Getting Started給萌新們一個試水的機會，沒有獎金，但有非常多的前輩經驗可供學習。很久以前Kaggle這個欄目名稱是101的時候，比賽題目還很多，但是現在只保留了4個最經典的入門競賽：手寫數字識別、沉船事故倖存估計、臉部識別、Julia語言入門。
課業比賽In Class是學校教授機器學習的老師留作業的地方，這裏的競賽有些會向public開放參賽，也有些僅僅是學校內部教學使用。
除此以外，還有大師邀請賽Master、前沿探索型Kaggle Prospect等非公開的競賽，這裏不做介紹了。
Kaggle競賽的排名機制
瞭解Kaggle的排名機制也會對取得好成績有所幫助。在比賽結束之前，參賽者每天最多可以提交5次測試集的預測結果。每一次提交結果都會獲得最新的臨時排名成績，直至比賽結束獲得最終排名。在比賽過程中，Kaggle將參賽者每次提交的結果取出25%-33%，並依照準確率進行臨時排名。在比賽結束時，參賽者可以指定幾個已經提交的結果，Kaggle從中去除之前用於臨時排名的部分，用剩餘數據的準確率綜合得到最終排名。所以，比賽過程中用於最終排名的那部分數據，參賽者是始終得不到關於準確率的反饋的。這樣一定程度避免參賽模型的過擬合，保證評選出兼顧準確率和泛化能力的模型。
二、數據Datasets版塊
每一個競賽題目都有一個數據入口，描述數據相關的信息，與主頁上的Datasets選擇一個數據其實指向同一個地方。在這裏可以下載到提交結果的示範、測試集、訓練集。Kaggle的數據以CSV格式最常見，提交的結果也要求是CSV格式。
三、代碼Kernels
這是Kaggle最棒的功能！在這裏可以看到其他參賽者自願公開的模型代碼，是學習和交流的最佳所在！當然這個版塊取名爲kernels，意味支持線上調試和運行你的代碼，目前支持Python、R，當然也支持像numpy、pandas流行的數據分析庫。對那些暫時缺少硬件資源的參賽者，相當於Kaggle提供了一個“雲計算”平臺不是嗎？我在kernels裏簡單寫了一個腳本查看kaggle提供的平臺硬件信息：（是說內存有110+G多麼？）
總之，可以作爲一個備選的計算資源，畢竟一個競賽的訓練集都至少有幾十M呢。
最後
“競賽”、“數據”、“代碼”這三個版塊的基本情況介紹完畢，後兩個版塊都是圍繞“競賽”設置的，每個版塊都有內嵌的鏈接跳轉到另外的版塊，又都發展出獨立的功能。快開始一個Kaggle比賽吧！
本篇譯作主要參考Kaggle官方網站的wiki（https://www.kaggle.com/wiki/Home）
---------------------
作者：utanbo
來源：CSDN
原文：https://blog.csdn.net/colouroo/article/details/53730011
版權聲明：本文爲博主原創文章，轉載請附上博文鏈接！