一些初学者会犹豫要不要参加 Kaggle 竞赛，这并不让人奇怪，他们通常有以下顾虑：
- 我该如何开始？
- 我要和经验丰富的博士研究者比赛吗？
- 如果没有获胜的机会，还值得参与吗？
- 这就是数据科学吗？（如果我在 Kaggle 上表现不好，我在数据科学领域还有希望吗？）
- 未来我该如何提升我的排名？
如果你有其中任何问题，你就看对了文章。在这篇指南中，我们会解读上手 Kaggle、提升技能和享受 Kaggle 所需要了解的一切。
Kaggle vs.「经典的」数据科学
首先，我们要清楚了解：
让我们解释一下：
Kaggle 竞赛
本质上，带有奖金池的竞赛必须满足一些标准：
- 问题必须困难：竞赛不应该是一个下午就能解决的任务。为了得到最好的投资回报，主办公司会提交他们最大最难的问题。
- 解决方案必须新：要赢得最新的竞赛，你通常需要进行扩展研究、定制算法、训练先进的模型等等。
- 表现必须能比较：竞赛必须要决出优胜者，所以你和其他对手的解决方案必须要被评分。
「经典的」数据科学
相对而言，日常所用的数据科学并不需要满足这些标准。
- 问题可能简单。实际上，数据科学家应该尽力确认易于实现的成果：可以快速解决的富有成效的项目。
- 解决方案可以是成熟的。大多数常见任务（比如探索分析、数据清理、A/B 测试、经典算法）都已经有了已得到证明的框架。没必要重新发明轮子。
- 表现可以是绝对的。即使一个解决方案只是简单地超越了之前的基准，那也非常有价值。
Kaggle 竞赛鼓励你竭尽所能，而经典数据科学则推崇效率和最大化的业务效果。
Kaggle 竞赛值得参加吗？
尽管 Kaggle 和经典数据科学之间存在差异，但 Kaggle 仍然是一种很好的入门工具。
每个竞赛都是独立的。无需设置项目范围然后收集数据，这让你有时间专注其它技能。
练习就是实践。学习数据科学的最好方法是在做中学。只要没有每场竞赛都获胜的压力，你就可以练习各种有趣的问题。
讨论和获胜者采访很有启发性。每个竞赛都有自己的讨论板块与获胜者简报。你可以窥见更有经验的数据科学家的思考过程。
Kaggle 获胜者采访
怎样入门 Kaggle？
接下来，我们将给出一个按步进行的行动规划，然后慢慢上升到 Kaggle 竞赛中。
第一步：选择一种编程语言
首先，我们推荐你选择一种编程语言，并坚持使用。Python 和 R 在 Kaggle 和更广泛的数据科学社区上都很流行。
如果你是一个毫无经验的新手，我们推荐 Python，因为这是一种通用编程语言，你可以在整个流程中都使用它。
参考：
- 数据科学领域 R vs Python：http://elitedatascience.com/r-vs-python-for-data-science
- 如何为数据科学学习 Python：http://elitedatascience.com/learn-python-for-data-science
- 深度 | R vs Python：R 是现在最好的数据科学语言吗？
- 业界 | 超越 R，Python 成为最受欢迎的机器学习语言
第二步：学习探索数据的基础
加载、浏览和绘制你的数据（即探索性分析）的能力是数据科学的第一步，因为它可以为你将在模型训练过程中做的各种决策提供信息。
如果你选择了 Python 路线，那么我们推荐你使用专门为这个目的设计的 Seaborn 库。其中有高层面的绘图函数，可以绘制许多最常见和有用的图表。
参考：
- Seaborn 库：https://seaborn.pydata.org/
- Python Seaborn 教程：http://elitedatascience.com/python-seaborn-tutorial
- 资源 | 2017 年最流行的 15 个数据科学 Python 库
第三步：训练你的第一个机器学习模型
在进入 Kaggle 之前，我们推荐你先在更简单更容易管理的数据集上训练一个模型。这能让你熟悉机器学习库，为以后的工作做铺垫。
关键在于培养良好的习惯，比如将你的数据集分成独立的训练集和测试集，交叉验证避免过拟合以及使用合适的表现评价指标。
对于 Python，最好的通用机器学习库是 Scikit-Learn。
参考：
- Scikit-Learn 库：http://scikit-learn.org/stable/
- Python Scikit-Learn 教程：http://elitedatascience.com/python-machine-learning-tutorial-scikit-learn
- 7 天应用机器学习速成课：http://elitedatascience.com/
- 只需十四步：从零开始掌握 Python 机器学习（附资源）
- 教程 | Kaggle CTO Ben Hamner ：机器学习的八个步骤
第四步：解决入门级竞赛
现在我们已经准备好尝试 Kaggle 竞赛了，这些竞赛分成几个类别。最常见的类别是：
- Featured：这些通常是由公司、组织甚至政府赞助的，奖金池最大。
- Research：这些是研究方向的竞赛，只有很少或没有奖金。它们也有非传统的提交流程。
- Recruitment：这些是由想要招聘数据科学家的公司赞助的。目前仍然相对少见。
- Getting Started：这些竞赛的结构和 Featured 竞赛类似，但没有奖金。它们有更简单的数据集、大量教程和滚动的提交窗口让你可以随时输入。
Getting Started 竞赛非常适合初学者，因为它们给你提供了低风险的学习环境，并且还有很多社区创造的教程：https://www.kaggle.com/c/titanic#tutorials
第五步：比赛是为了更好地学习，而不是赚钱
有了上面的基础，就可以参与到 Featured 竞赛中了。一般来说，为了取得好排名，通常需要远远更多的时间和精力。
因此，我们建议你明智地选择参与项目。参加竞赛能帮你深入到你希望长期参与的技术领域中。
尽管奖金很诱人，但更有价值（也更可靠）的回报是为你的未来事业所获得的技能。
享受 Kaggle 的小诀窍
最后，我们将介绍几个参与 Kaggle 的最受欢迎的诀窍，希望能帮你享受你的 Kaggle 时光。
诀窍 1：设置循序渐进的目标
如果你曾经玩过什么让人上瘾的游戏，你就知道循序渐进的目标的重要性。那就是好游戏让人着迷的诀窍。每一个目标都要足够大，以便带来成就感；但也不能太大，不然无法实现。
大多数 Kaggle 参与者都没赢过任何一场竞赛，这完全正常。如果把获胜作为第一个里程碑，你可能会失望，尝试几次之后可能就会失去动力。循序渐进的目标会让你的旅程更加愉快。比如：
提交一个超越基准解决方案的方案
- 在一场竞赛中进入排名前 50%
- 在一场竞赛中进入排名前 25%
- 在三场竞赛中进入排名前 25%
- 在一场竞赛中进入排名前 10%
- 赢得一场竞赛！
这种策略让你可以一路衡量你的进展和进步。
诀窍 2：查阅得票最多的 kernel
Kaggle 有一个非常厉害的功能：参与者可以提交 kernel，即用于探索一个概念、展示一种技术或分享一种解决方案的短脚本。
当你开始一场竞赛或感觉进步停滞时，查阅受欢迎的 kernel 或许能给你带来灵感。
诀窍 3：在论坛中提问
不要害怕问「愚蠢的」问题。
提问能遇到的最糟糕的事情是什么？也许你会被忽视……仅此而已。
另一方面，你能得到很多回报，包括来自经验更丰富的数据科学家的建议和指导。
诀窍 4：独立发展核心技能
开始的时候，我们建议你独自工作。这将迫使你解决应用性机器学习流程中的每一步，包括探索性分析、数据清理、特征工程和模型训练。
如果过早地和人组队，你就可能会错失发展这些基本技能的机会。
诀窍 5：组队以拓展你的极限
虽然太早组队不好，但在未来的比赛中组队让你能向其他人学习，进而拓展你的极限。过去的许多获胜者都是团队，这让他们可以结合彼此的知识共同施展力量。
此外，一旦你掌握了机器学习的技术技能，你就可以与其他可能比你有更多领域知识的人合作，进一步扩展你的机遇。
诀窍 6：记住 Kaggle 可以成为你的垫脚石
记住，你不一定要成为一个长期的 Kaggle 人。如果发现你不喜欢这种形式，也没什么大不了的。
实际上，许多人在做自己的项目或成为全职数据科学家之前都会使用 Kaggle 作为自己的垫脚石。
所以你的关注重点应该是尽可能地学习。长远来看，参与能给你带来相关经验的竞赛比参加有最高奖金的竞赛更好。
诀窍 7：不要担心排名低
有些初学者担心低排名出现在他们的个人资料中，结果一直没有开始。当然，比赛焦虑是很正常的现象，并不只限于 Kaggle。
但是，排名低真的没什么关系。没人会因此贬低你，因为他们曾经某个时候也是初学者。
即便如此，如果仍然担心个人资料里的低排名，你可以再单独创建一个练习账号。一旦觉得自己能力不错了，就可以开始用你的「主帐号」来建立丰功伟绩了。（再说一下，这么做毫无必要！）
结论
在这篇指南中，我们分享了上手 Kaggle 的 5 大步骤：
- 选择一种编程语言
- 学习探索数据的基础
- 训练第一个机器学习模型
- 解决入门级竞赛
- 比赛是为了更好地学习，而不是赚钱
最后，我们分享了享受这个平台的 7 个诀窍：
- 设置循序渐进的目标
- 查阅得票最多的 kernel
- 在论坛中提问
- 独立发展核心技能
- 组队以拓展你的极限
- 记住 Kaggle 可以成为你的垫脚石
- 不要担心排名低
原文链接：https://elitedatascience.com/beginner-kaggle