【竞赛相关】Kaggle知识点:入门到进阶的10个问题
Kaggle知识点
在我们之前的分享中我们大多以具体的竞赛案例,如某个竞赛的Top解决方案来讲解具体的比赛。那么是不是有更好的学习方法呢?
答案是肯定有,大部分Kaggle赛题都是相通或者类似的,还有一些通用的问题。
问题1:赛题是哪一种类型?
首先参加Kaggle竞赛,你需要知道有哪些具体的比赛类型。具体分类如下图所示,当然有多种分类方法。
最为主要的类型区别有:
赛题的提交方式(提交结果、Kernel)
赛题问题类型(CV、NLP或结构化)
问题2:赛题问题是什么?
在确定好赛题类型后,你应该仔细阅读赛题的Overview界面弄清楚的赛题的具体问题。当然赛题描述不会很明确的说出赛题具体问题,需要选手自行进行分辨。
在回答问题2时,需要弄清楚:
赛题是CV、NLP还是结构化中的哪一种?
赛题对应于学术问题的中哪一种?
赛题我之前见过吗?有代码或知识的积累?
Kaggle有类似赛题任务吗,有选手分享吗?
问题3:赛题数据如何建模?
在弄清楚赛题类型和具体的问题后,需要弄清楚赛题问题的建模方式,这一点就涉及到具体的建模的方法和模型了。
当然也并不是所有的赛题都是新任务,Kaggler只需要熟知历史任务,并进行举一反三就可以了。在问题3你应该弄清楚:
问题有不同的建模方式,哪一种更加适合?
问题建模应该使用哪一个模型?
问题模型如何迭代,如何优化?
问题4:赛题数据的细节理解?
在了解了赛题的初步的任务和建模方法后,接下来就要深入到细节中了。你应该深入理解赛题数据的字段含义、字段产生方式和标签的产生方式。
对于结构化数据的每个字段:
字段的类型、含义是什么
字段与标签有什么关系?
在回答问题4时,可以从描述性数据分析和探索性数据分析两个角度来完成。赛题的理解决定了赛题的具体建模方式,是尤为关键的一点。
问题5:赛题使用什么模型?
问题5与问题3有点类似,但在问题5你应该回答的更加具体,
赛题具体使用到的模型是什么?
模型有哪些超参数可供选择?
有类似模型可以对比参考吗?
在回答问题5时,需要根据问题4的答案来进行接解决。首先根据赛题具体的数据类型,可以将赛题分为结构化赛题和非机构化赛题。同时在回答问题5时,你应该跑通或者写完baseline了。
问题6:模型处于那种阶段?
机器学习模型根据状态可以分为欠拟合和过拟合,当然你应该追求模型对测试集最好拟合的状态。
也就是说,你应该知道模型此时的状态。
如果模型是欠拟合你应该做什么?
如果模型是过拟合你应该做什么?
问题7:赛题上分点是什么?
当你回答完前面6个问题后,基本上你已经提交过一次答案,已经成功上榜了。但是这些还不够,与前排选手相比你的模型精度还有待优化。
因此你需要弄清楚:
前排选手与自己的精度差异在哪儿?
自己还能从哪些地方上分?
回答问题7最好的方法是阅读比赛论坛和相关论文,当然这些问题的具体答案只能自己回答自己了。从问题7开始,你开始真正的竞赛探索过程。
问题8:本地CV与线上得分?
在模型训练的过程中,本地验证集CV的得分非常重要。同时本地CV与线上得分的差异性也至关重要,也就是CV vs 线上(PB)。
在Kaggle每个比赛中,经常会有人对比自己CV与线上得分的差异性(gap)。这样对比的作用是:
寻找更好的本地CV得分;
寻找更加问题的gap;
通过问题8,你将会对赛题线上线下有初步的感知,这将会影响你的最终得分。当然分布需要细心观察,反复试验得到的。
问题9:赛题如何完成集成?
在不断回答自己问题的同时,你还需要考虑模型最终的集成问题。模型集成在有些Kaggle竞赛中非常重要,会带来精度增益。
但是模型集成是需要得分差异性,需要训练多个模型的:
如何完成stacking和简单的KFlod平均?
深度学习模型如何完成模型集成?
问题10:赛题如何完成总结?
最后的最后,在比赛完结后不管结果如何。希望你在阅读和反思比赛的历程后回答自己这些问题:
通过本次比赛我学习到什么?
我与前排选手差异在哪儿?
遇到下次类似比赛,我将如何行动?
参加比赛还是很耗费资源和时间,无论大家结果如何,希望大家都有所收获。希望大家都不要翻车~
往期精彩回顾适合初学者入门人工智能的路线及资料下载中国大学慕课《机器学习》(黄海广主讲)机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载本站qq群955171419,加入微信群请扫码:
【竞赛相关】Kaggle知识点:入门到进阶的10个问题相关推荐
- 【数据竞赛】Kaggle知识点:入门到进阶的10个问题
Kaggle知识点 在我们之前的分享中我们大多以具体的竞赛案例,如某个竞赛的Top解决方案来讲解具体的比赛.那么是不是有更好的学习方法呢? 答案是肯定有,大部分Kaggle赛题都是相通或者类似的,还有 ...
- 【数据竞赛】Kaggle知识点:树模型特征Embedding
在对数据进行编码的过程中,经常会遇到一些非结构化的字段(如列表.文本),或者高维稀疏的字段. 在使用树模型的过程中,上述字段对树模型很不友好,会增加树模型的训练时间,一般情况需要通过人工特征提取,然后 ...
- 【数据竞赛】Kaggle知识点:比赛类型介绍
在Kaggle平台上,经常有好多个比赛可供选择.如下图所示,为正在进行比赛的截图.那么对于入门同学(从没参加过一次Kaggle比赛)如何选择一场适合的比赛呢? 本文将对Kaggle平台上的比赛按照类型 ...
- lammps分子动力学 入门到进阶
1.石墨烯.金属材料建模及力学分析: 2.纳米流体模拟及流动性质分析: 3.热传导及导热系数模拟计算: 4.多成分体系(金属.合金.高熵合金)的摩擦模拟以及材料切削模拟:5.离子辐照对石墨烯.金属.碳 ...
- Kaggle实战入门:泰坦尼克号生还预测(基础版)
Kaggle实战入门:泰坦尼克号生还预测 1. 加载数据 2. 特征工程 3. 模型训练 4. 模型部署 泰坦尼克号(Titanic),又称铁达尼号,是当时世界上体积最庞大.内部设施最豪华的客运轮船, ...
- 算法竞赛从入门到进阶pdf_好书送不停 | 算法竞赛入门到进阶
本书内容: 本书是算法竞赛的入门和进阶教材,包括算法思路.模板代码.知识体系.赛事相关等内容.本书把竞赛常用的知识点和竞赛题结合起来,讲解清晰.透彻,帮助初学者建立自信心,快速从实际问题入手,模仿经典 ...
- 【数据竞赛】kaggle竞赛宝典-多分类相关指标优化
↑↑↑关注后"星标"kaggle竞赛宝典 kaggle竞赛宝典 作者: 尘沙杰少.谢嘉嘉.DOTA.有夕 赛题理解,分析,规划之多分类相关指标优化 这是一个系列篇,后续我们会按照我 ...
- java入门学习_Java入门学习进阶知识点
Java入门学习进阶知识点 入门阶段,主要是培养Java语言的编程思想.了解Java语言的语法,书写规范等,掌握Eclipse.MyEclipse等开发工具,编写Java代码的能力.学完这个阶段你应该 ...
- Vue3+TypeScript从入门到进阶(六)——TypeScript知识点——附沿途学习案例及项目实战代码
文章目录 一.简介 二.Vue2和Vue3区别 三.Vue知识点学习 四.TypeScript知识点 一.JavaScript和TypeScript 二.TypeScript的安装和使用 1.Type ...
最新文章
- Windows遭遇史上最大攻击:微软却在疯狂圈粉
- 计算机与网络应用教材格式化,《计算机与网络应用》正式稿.docx
- PHP----------安装包lnmp1.3-full安装的lnmp环境,如何安装PHP扩展
- 我是一个*** (三)
- 关于visual studio 2005的中文版下载(最新详细下载点)
- 报修管理系统微信小程序源码 带前端后端源码
- Docker -- 镜像仓库(搭建私有镜像仓库、向镜像仓库推送镜像、从镜像仓库拉取镜像)
- 服务器server怎么显示后缀名,window7系统怎么显示文件后缀名(图文)
- CUBA 7 新特性(上篇)
- html5倒计时效果,html5+css3进度条倒计时动画特效代码【推荐】
- uniapp 手持pda 扫描 功能
- 状态机思路在嵌入式开发中的应用说明及注意事项(普罗米修斯中不少功能节点用了状态机的方法来写)
- 监听JScrollPane按PageUp,PageDown事件
- OLAP和OLTP比较
- 上周热点回顾(8.25-8.31)
- 简介企业如何通过企业erp系统实现智能化管理?
- /*1. 查询SC表中的全部数据。*/ SELECT * FROM SC /*2. 查询计算机系学生的姓名和年龄。*/ SELECT Sname,Sex FROM Student WHERE Sd
- python脚本模板
- 做企业网站用好的自助建站系统,还得配好的虚拟主机空间
- 宏基4738G拆机、除尘、加内存条图文教程