[Kaggle] 数据建模分析与竞赛平台介绍

前段时间在学习MXnet提供的样例的时候接触了一下Kaggle的两届NDSB比赛,于是就稍微调研了一下Kaggle平台。

Introduction


Kaggle是一个数据建模和数据分析竞赛的平台。企业和研究者可在其上发布数据,统计学者和数据挖掘专家可在其上进行竞赛,通过“众包”的形式以产生最好的模型。
Kaggle可以分为Competitions竞赛Datasets数据集以及Kernel内核三个子平台、配套的Forum论坛模块以及供各类公司或组织招聘人才的Jobs模块。

Kaggle首页 Your Home for Data Science

Statistics

  • 截止到2016年5月份,Kaggle拥有超过536,000Kagglers,其中包括了IBM Watson以及Google DeepMind的研究团队。
  • Kaggle的数据涉及领域涵盖了计算机科学、计算机视觉、生物、医药、甚至冰川学等等。
  • Kaggle的竞赛吸引了超过1,000个队伍和个人参赛。他们中的许多人都在各类会议和同行评议的期刊上发表了与其比赛结果相关的文章。
  • 每个月Kaggle论坛有超过4,000条新帖子,每天Kaggle比赛有超过3,500次提交。

Competitions


Kaggle的比赛类型按照奖励内容可以分成3种,分别是提供奖金的(主要的!?)Featured类,提供实习、面试机会的Recruitment类以及纯粹作为练手的Playground类。

Kaggle比赛类别

参加比赛的流程相当简单,简单来说就是分为Download->Build->Submit三个步骤。

  • Download:Kaggle比赛的主持人(发起人)Host会准备数据和问题的描述,每个比赛都会有较详细的子页面来介绍背景、数据集、以及评价指标和提交方式等相关要求。Kaggle负责对这一过程以及竞赛的建构、数据的匿名化以及集成最终获胜的模型提供咨询服务。
  • Build:参赛者在本地构建出一个模型之后,输入比赛提供的数据集进行训练,得到的预测结果上传回Kaggle
  • Submit:参赛者相互竞赛以获得最优的模型,参赛提交会根据预测精度被立即评分,并实时显示。

在截止时间过后,竞赛主持人为“全球性的,永久性的,不可撤销和免版税地使用获奖作品”支付奖金。亦即竞赛获胜者的算法、软件和相关的知识产权是非排他性的 [from Wikipedia:Kaggle]。
除了公开竞赛以外,Kaggle还向活跃参与者提供私下的比赛,以及为大学团体提供Kaggle-in-Class项目。

比赛取得优胜的方法常常在Kaggle的博客No Free Hunch上展示。

比赛的奖金还是很诱人的

Datasets


Kaggle从2016年1月开始上线了Datasets数据集服务,收集了许多公共的数据集,提供数据下载、介绍、相关脚本Scripts以及独立的论坛等服务。

Kaggle Datasets

利用Kaggle的数据集,通过简单的Dig in->Build->Connect的步骤,就可以自己挖掘、分析公共数据集的内容。

  • Dig in:直接在Kaggle上使用其提供的交互式工具来进行数据分析,支持R/Python/Julia/RMarkdown/SQLite等语言,Kaggle通过调用相应的Docker容器来编译执行脚本。
    使用Kaggle提供的网页版交互式工具来进行数据分析
  • Build:在本地或者网页版工具上进行数据分析处理之后,可以发布自己发现的数据insights,使用Kaggle Kernels来coding,并能保存到自己的Kaggle账号仓库中。
  • Connect:可以很方便的查看其他人公开的Kaggle Kernels,或者在论坛中咨询对应数据集的相关问题。
Datasets例子:SEPTA-费城地区的区域铁路准点数据

Kernels (Scripts)


在刚开始调研的时候Kaggle的脚本仓库还叫做Scripts,现在改名叫Kernels了。据其官方博客所说,改名是为了更好的契合这个子项目的功能:Kernels提供了数据分析所需的环境、数据集、代码和输出样式(比如Python Notebook),将这些功能聚合在一起可以使得Kernels可以很方便的复现和分享。Kaggle的目的是要使得Kernels成为数据分析的核心,他们想将Kernels打造为一个能实现并分享所有数据科学工作的平台,包括与本地工具的结合(Kernels现在提供的环境库并没有办法做到包罗万象)、团队间的私有合作空间等等。

Kaggle Kernels

之前Datasets里面的网页版工具就是调用了Kaggle的Kernels平台,其一大好处就在于不需要将数据集加载在本地,Kernels中已经预先载入了庞大的数据集和基本的数据处理环境和库(甚至都不需要在本地配环境!)。这点真的很棒,毕竟庞大的数据要下载下来在网络条件不允许的情况下相当的耗费时间,在本地配好一系列的数据处理环境也不容易,Kernels借助Docker镜像解决了这一问题。
同时,Kernels采用了类似Github的方式,有版本控制,也可以fork他人的仓库。

Python Notebook in Kernels

Kernels还支持Python Notebook的在线查看,更加直观。

Others


除此之外,Kaggle还提供了一套用户的排名等级系统Progression System,等级可以从低到高分别是Novice,Contributor, Expert, Master, and Grandmaster。类似于游戏里做任务一样,在Competitions中完成指定类型的比赛、在Kernels中分享代码、在Forum中回答他人的问题都可以累计积分,达到一定要求之后就可以升级。

Kaggle Progression System

我觉得这个排名可能除了鼓励大家多参赛做任务升级之外,也是招聘时候的一个重要参考吧。毕竟举办类似比赛的目的基本上都是为了招人啊。

知乎上有一个主题参加kaggle竞赛是怎样一种体验?,可以看看大神们的打怪心得。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容