Kaggle如何快速拿牌
本人是立志读博的，刷竞赛也只是业余爱好。这篇只是科普文，简单介绍了一下kaggle如何快速拿牌的简单套路。
随著数据挖掘比赛的兴起，越来越多的人才参与数据挖掘这个领域当中。kaggle作为一个世界知名的平台对于新手是一个很好的学习平台，对于高手是一个很好的交流以及展示自己的机会。
kaggle上举办的数据比赛分为表格数据、NLP数据、图像数据三种。本次的比赛是表格数据。
本次比赛的特点是数据的结构很简单：
一列是是我们的id，一列是我们需要预测的结果。面对特征如此少的数据，我们需要首先进行的是数据特征的构造。如果是一个参加过比赛的人，会第一反应是构建统计学特征，但是很多的新手，对于这种比赛是第一次见的时候，会出现无从下手的境地，这个时候，我们需要做的就是寻找已经开源中的kernel中的特征。一般来说会有很多的大神开源这种kernel，并且随著比赛的不断进行，大家也会发现一些trick以及新的特征，所以，建议大家不停的刷新出现的kernel，有新的特征就扔进模型当中尝试一下。
我通过刷开源的kernel以及自己根据经验构造，最后得到大概3000多个特征。
之后便是一个搭建模型了，我建议大家可以简单的单模型尝试一下，单模型可以帮助我们进行特征的选择以及尝试，当单模型的结果变好的时候，我们可以尝试多模型堆叠。
在目前的数据挖掘比赛当中最常用的就是lightgbm，这个模型是由微软开发的一个集成树的框架，这个框架目前在数据挖掘领域的竞赛中属于一个统治地地位。并且网上有一个很完善的文档，建议大家可以根据文档自己尝试著学习。同时lightgbm还有一个特征筛选的功能，大家可以根据他的结果，来删减特征的纬度，确实很方便。
下面我列出我写的lightgbm的参数：
当模型搭建好了，便是交叉检验的过程当中，这里我使用的是sklearn中的一个简单的KFold功能，这个可以帮助大家更好的判断模型的性能。并且由于kaggle每天的提交的次数有限，并且它反馈阶段的数据和最后盲测的数据是不一样的，因此，建议大家最好搭建一个可靠的cv系统。
由于比赛还没有结束，我会在比赛结束之后完整开源我的方法。
推荐阅读：
