入门赛:有很多比较有特色的比赛,但是没有奖金池。它们提供了易于处理的数据集、大量的教程和循环的提交窗口,这样你可以随时参加比赛。 入门赛比较适合初学者,因为它给了你一个低风险的学习环境。同时,你还能得到许多社区、论坛创建的教程。 步骤5: 学习经验教训,而不是关注收益 有了上述基础,大显身手的时候到了! 一般来说,参加Kaggle比赛需要很多时间和精力,还要合理安排。因此,建议你明智地选择对手。尽量参加能使你实现长期目标的竞赛,获取其中的技术和技巧。 虽然奖金很诱人,但更有价值(更可靠)的奖励是你可以获得为自己的职业发展所需要的技能。 在Kaggle比赛中节约时间的7个小技巧 技巧1:设定递增目标 如果你玩过“Addicting Games”游戏,就会知道递增目标的魅力。这就是能让你着迷的,很牛的游戏的手段。每一个目标都足够大,足以让人有成就感,但却足够现实,让你触手可及。 大多数的参赛者都不可能一上来就赢得一场比赛,如果你把赢一场作为你的第一个目标,那么很容易感到气馁,在尝试了几次之后就失去动力了。循序渐进的目标会使你的kaggle之旅更加愉快。 例如: 1.在一场比赛中得分居于前50%。 2.在一场比赛中得分居于前25%。 3.在一场比赛中得分居于前10%。 4.赢得比赛! 这个策略可以让你在参赛过程中衡量自己的进步和改变。 技巧2:查看最流行的参赛者内核 Kaggle有一个很棒的特点,参赛者可以提交内核——一种简短的脚本,可以探索一个概念,展示一种技术,甚至可以共享一个解决方案。 当你开始一场比赛,或者当你达到一个顶峰时,回顾流行的内核可以激发出更多的想像。 技巧3:在论坛上提问 不要害怕问“愚蠢” 的问题。你会有很多收获,包括来自经验丰富的数据科学家的建议和指导。 技巧4:独立开发核心技能 一开始,建议你单独工作。这将迫使你独立处理应用机器学习过程的每一个步骤,包括探索性分析、数据清理、特性工程和模型培训。 如果你过早地开始合作,你可能会错过发展这些基础性技能的机会。 技巧5:利用团队合作突破瓶颈 也就是说,在未来的比赛中进行合作可能是一个很好的方式,向其他人学习,突破个人局限。过去,许多赢家都是团队,他们联合起来就意味着把更多优秀的知识结合起来。 此外,一旦你掌握了机器学习的技术,你就可以与比你有更多领域知识的人合作,进一步拓展自己的能力。 技巧6:记住,Kaggle也可能只是一个垫脚石 记住,开奖,你并不一定要成为一个长期的“竞技高手”。如果你发现你不喜欢这种模式,那也没什么大不了的。 事实上,许多人在开始自己的项目或成为全职数据科学家之前,只是把Kaggle当作垫脚石。 这也是你应该尽可能多地专注于学习的另一个原因。从长远来看,参加Kaggle最好的目标是获得相关经验,而不是追逐最多的奖金。 技巧7:不要担心等级低 一些初学者不敢参加比赛,因为他们担心别人看到自己的低级别而感到难为情。当然,竞技焦虑是一种真实的现象,并不只局限于Kaggle。 然而,低级别并不是什么大问题。没有人可以评判你,因为他们都是初学者。 (责任编辑:本港台直播) |