kaggle 的入门

kaggle 的入门可以从101playground 开始，重要的是要开始做，万事开头难。然后平时要多多看高手的文章，获奖经验。有的高手获奖者甚至会把自己的源代码放上去，你就是去仅仅跑一遍，也能学到非常多的东西。关于kaggle的问题分类：一般就是regression，classification, timeseries这几类。

kaggle的问题一般解决过程：拿到数据之后，第一步就是data exploration. 这一步就是各种画图，找规律，找灵感，找可能的feature. 

会R的可以shiny app做一些UI来辅助自己对数据的理解。

然是后选strategy, 从经典的机器学习算法中，选择自己要用的模型。一般这个大家都是用现成的包，没什么好说的。如果数据量比较大的话，可能要做batch sampling,上work station. 通常先做一个超级简单的能跑的模型，之后就是无穷无尽的feature engineering了。。。

一些tips：classification 问题的大杀器是xgboost. 最终大杀器是ensemble learning.feature 为王.细节上，script 最好用svn或者git管理，做的时间长了容易乱。另外，好像recruiting competitions 更简单一些，因为没有什么奖金。

参加kaggle的好处：其实就不用说了，学到很多东西，而且通常数据量比较大，所以一个比赛做下来对自己的编程能力提升很高。另外如果成绩好的话，在简历上绝对是牛逼的一笔，是一些high level job的撬门砖。

kaggle的局限性：1. kaggle把实际中的数据挖掘问题大大的简化了，给你的直接是非常好的dataset. 而实际中的问题，做机器学习是万里长征的最后一步，整个长征都是在做data cleanning...

2. kaggle和统计关系不大，需要用到的统计知识几乎为零。想要通过做kaggle来学统计是南辕北辙的，还是老老实实去读个学位吧。

其他：kaggle的leader board很有意思，public leader board显示的仅仅是你提交答案一部分的数据分数。不到最后一刻，不知道谁才是真正的winner， 这个过程感觉蛮刺激的。。。