Home » 熱門(mén)資訊 » Details

關(guān)于Kaggle競(jìng)賽入門(mén)到進(jìn)階的10個(gè)問(wèn)題！

Category: 熱門(mén)資訊, 翰林嚴(yán)選 Date: 2022年2月9日下午4:30

在我們之前的分享中我們大多以具體的學(xué)術(shù)活動(dòng)案例，如某個(gè)學(xué)術(shù)活動(dòng)的Top解決方案來(lái)講解具體的比賽。那么是不是有更好的學(xué)習(xí)方法呢？答案是肯定有，大部分Kaggle賽題都是相通或者類(lèi)似的，還有一些通用的問(wèn)題。今天就來(lái)聊聊關(guān)于Kaggle學(xué)術(shù)活動(dòng)入門(mén)到進(jìn)階的10個(gè)問(wèn)題！

問(wèn)題1：賽題是哪一種類(lèi)型？

首先參加Kaggle學(xué)術(shù)活動(dòng)，你需要知道有哪些具體的比賽類(lèi)型。具體分類(lèi)如下圖所示，當(dāng)然有多種分類(lèi)方法。

Kaggle知識(shí)點(diǎn)：入門(mén)到進(jìn)階的10個(gè)問(wèn)題

最為主要的類(lèi)型區(qū)別有：

賽題的提交方式（提交結(jié)果、Kernel）
賽題問(wèn)題類(lèi)型（CV、NLP或結(jié)構(gòu)化）

問(wèn)題2：賽題問(wèn)題是什么？

在確定好賽題類(lèi)型后，你應(yīng)該仔細(xì)閱讀賽題的Overview界面弄清楚的賽題的具體問(wèn)題。當(dāng)然賽題描述不會(huì)很明確的說(shuō)出賽題具體問(wèn)題，需要選手自行進(jìn)行分辨。

在回答問(wèn)題2時(shí)，需要弄清楚：

賽題是CV、NLP還是結(jié)構(gòu)化中的哪一種？
賽題對(duì)應(yīng)于學(xué)術(shù)問(wèn)題的中哪一種？
賽題我之前見(jiàn)過(guò)嗎？有代碼或知識(shí)的積累？
Kaggle有類(lèi)似賽題任務(wù)嗎，有選手分享嗎？

問(wèn)題3：賽題數(shù)據(jù)如何建模？

在弄清楚賽題類(lèi)型和具體的問(wèn)題后，需要弄清楚賽題問(wèn)題的建模方式，這一點(diǎn)就涉及到具體的建模的方法和模型了。

當(dāng)然也并不是所有的賽題都是新任務(wù)，Kaggler只需要熟知?dú)v史任務(wù)，并進(jìn)行舉一反三就可以了。

在問(wèn)題3你應(yīng)該弄清楚：

問(wèn)題有不同的建模方式，哪一種更加適合？
問(wèn)題建模應(yīng)該使用哪一個(gè)模型？
問(wèn)題模型如何迭代，如何優(yōu)化？

Kaggle知識(shí)點(diǎn)：入門(mén)到進(jìn)階的10個(gè)問(wèn)題

問(wèn)題4：賽題數(shù)據(jù)的細(xì)節(jié)理解？

在了解了賽題的初步的任務(wù)和建模方法后，接下來(lái)就要深入到細(xì)節(jié)中了。你應(yīng)該深入理解賽題數(shù)據(jù)的字段含義、字段產(chǎn)生方式和標(biāo)簽的產(chǎn)生方式。

對(duì)于結(jié)構(gòu)化數(shù)據(jù)的每個(gè)字段：

字段的類(lèi)型、含義是什么
字段與標(biāo)簽有什么關(guān)系？
在回答問(wèn)題4時(shí)，可以從描述性數(shù)據(jù)分析和探索性數(shù)據(jù)分析兩個(gè)角度來(lái)完成。賽題的理解決定了賽題的具體建模方式，是尤為關(guān)鍵的一點(diǎn)。

問(wèn)題5：賽題使用什么模型？

問(wèn)題5與問(wèn)題3有點(diǎn)類(lèi)似，但在問(wèn)題5你應(yīng)該回答的更加具體：

賽題具體使用到的模型是什么？
模型有哪些超參數(shù)可供選擇？
有類(lèi)似模型可以對(duì)比參考嗎？

在回答問(wèn)題5時(shí)，需要根據(jù)問(wèn)題4的答案來(lái)進(jìn)行接解決。首先根據(jù)賽題具體的數(shù)據(jù)類(lèi)型，可以將賽題分為結(jié)構(gòu)化賽題和非機(jī)構(gòu)化賽題。同時(shí)在回答問(wèn)題5時(shí)，你應(yīng)該跑通或者寫(xiě)完baseline了。

問(wèn)題6：模型處于那種階段？

機(jī)器學(xué)習(xí)模型根據(jù)狀態(tài)可以分為欠擬合和過(guò)擬合，當(dāng)然你應(yīng)該追求模型對(duì)測(cè)試集最好擬合的狀態(tài)。也就是說(shuō)，你應(yīng)該知道模型此時(shí)的狀態(tài)。如果模型是欠擬合你應(yīng)該做什么？如果模型是過(guò)擬合你應(yīng)該做什么？

問(wèn)題7：賽題上分點(diǎn)是什么？

當(dāng)你回答完前面6個(gè)問(wèn)題后，基本上你已經(jīng)提交過(guò)一次答案，已經(jīng)成功上榜了。但是這些還不夠，與前排選手相比你的模型精度還有待優(yōu)化。

因此你需要弄清楚：

前排選手與自己的精度差異在哪兒？
自己還能從哪些地方上分？

回答問(wèn)題7最好的方法是閱讀比賽論壇和相關(guān)論文，當(dāng)然這些問(wèn)題的具體答案只能自己回答自己了。從問(wèn)題7開(kāi)始，你開(kāi)始真正的學(xué)術(shù)活動(dòng)探索過(guò)程。

問(wèn)題8：本地CV與線上得分？

在模型訓(xùn)練的過(guò)程中，本地驗(yàn)證集CV的得分非常重要。同時(shí)本地CV與線上得分的差異性也至關(guān)重要，也就是CV vs 線上（PB）。在Kaggle每個(gè)比賽中，經(jīng)常會(huì)有人對(duì)比自己CV與線上得分的差異性（gap）。

這樣對(duì)比的作用是：

尋找更好的本地CV得分；
尋找更加問(wèn)題的gap；

通過(guò)問(wèn)題8，你將會(huì)對(duì)賽題線上線下有初步的感知，這將會(huì)影響你的最終得分。當(dāng)然分布需要細(xì)心觀察，反復(fù)試驗(yàn)得到的。

Kaggle知識(shí)點(diǎn)：入門(mén)到進(jìn)階的10個(gè)問(wèn)題