如何開啟一場 Kaggle 競賽 — 資料分析的入門心得 Part 1

不務正業太久了，來寫一些正經的。

沒有會員的朋友，可以點這邊看全文。

前言

筆者這學期選修了一門 Fundamental of Data Science，正想著太好了，之前做過一些爬蟲相關的工作，藉著這堂可以把實際經驗跟學術結合。殊不知，上課還不到兩個禮拜，就收到一封名為Data Science Project1，期限還在兩週之後，點開一看居然是要直接打一場Kaggle!

完全就像是叫一個平常自己游泳的人，兩個禮拜之後參加世大運的200公尺自由式那樣晴天霹靂。靜下心來想想，這堂課一個學分也好幾萬，硬著頭皮下了關鍵字：

How to start a Kaggle Competition

因此，以下就來不專業的分享一下（請有經驗的大神，鞭小力一點），身為一個全職新手，該如何開啟你的第一次Kaggle 比賽。

了解 Kaggle

Kaggle可以想像成是資料分析領域專用的某種Tender，在上面會有許多公司拋出一些問題（正妹），然後給出高額的懸賞（深夜福利之類），等待資料科學家（屠龍勇者）們好好的觀察資料，建出優質的Model，不斷精進 Pensonal Profile的吸引力，啊不對是做出精準的預測，在與資料們相處、培養感情後，或許你就能備受親睞，獲得獎賞。

相信各位有玩過 Tender 的男士們都知道，我們是沒有選擇的權利，只能全部往右滑（誤…。但在 Kaggle 的世界，我們可以選擇想挑戰的比賽來進行，當然你要都參加也是可以。

Train Data V.S. Test Data

有鑒於筆者實在太新手了，連 Train Data 和 Test Data 分別用來幹嘛都不是很清楚，因此在這邊就來解釋一下。

Train Data

顧名思義就是用來訓練的資料，挑戰者需要在裡面找到有用的 Features 或對欄位進行處理，並以這些資料建立預測模型，來供 Test Data 使用。

Test Data

平常不太需要理他的資料，等到模型都建好了，就可以把它整理一下丟進去預測。

該如何開始

如果你是一位經驗老道的高手，毫無疑問的你就直接切入資料，去找尋有用的 Features 或是做一些資料處理，印出各式各樣的圖，來找尋藏在數據背後的小秘密。

然而身為專業新手又孤軍奮戰的我們，唯一能做的就是，到 Kaggle的官網打開別人的 Notebook，開始了解別人都怎麼處理的。筆者的開始就是開啟討論區和許多分數較高的 Notebook，看看別人都是怎麼樣起手。

每個人的 Notebook 使用的圖和數據都很不相同，但更仔細的去了解，會發現對於某些欄位大家都會特別去處理，或是印出來使用。沒錯！這可能就是 Key Feature ，一開始就開始針對這些資料印出來看看。

該用哪些圖

筆者認為選擇要用哪種呈現方式，是非常困難的事情。就像不可能跟每個 Tender 滑到的伴都聊一樣的話題，針對不同的資料類型，就有其適合的呈現方式。

這邊稍微整理了一些大家常用來繪圖的套件， Seaborn, Matplotlib, Pandas.

當然最好的情況是，把資料視覺化前先看過所有套件的教學，但我知道你不會，因為筆者也是懶惰蟲。

創作的開始，來自於模仿。

學習別人視覺化過程，並套用在不同的資料上面，看看效果是不是一樣好，或是很奇怪，就是非常好的開始。

小結

做為一個資料分析的新手，筆者寫作的過程中，一直在思考要提供什麼樣的資訊。因此這篇文章的定位會在，鼓勵所有對資料分析有興趣的朋友們，一個開始的契機。再有基本的程式底子下（只要能看到懂別人大蓋在幹麻就行），大家其實都能夠參加一場比賽。筆者會在文章的下方放上一些實用的教學，有興趣的朋友可以接續著看。

好的資料分析很困難，但要跳進來並不難。

筆者的第一次的 Kaggle 挑戰，就是不停的觀察、模仿、嘗試用一些別人沒有用的數據來看看有沒有其他新的發現。最後的模型部分，歸納出本次挑戰中最多人使用的模型，用 Default 的參數和設定去跑跑看。

想當然排名是非常後面，但更多的收獲是，筆者大概了解 Kaggle 裡面賣的是什麼藥。寫程式就是這麼一回事，不了解之前就像迷霧重重的森林，等你走進來就會發現，其實就是一些相同的概念作延伸變化。

寫完文章的當下，筆者又收到 Project2 的信件，我們的下一個作業是經典的房價預測，筆者會試著了解更多分享不同的想法，也歡迎各路大神、新手一起來，說不定能幫助我完成作業（誤）。

祝福所有對資料分析有興趣的朋友，都能順利地開啟資料分析之旅，按下submission 看到分數 report 的時候，真的有種莫名的感動（建立在分數不要太慘的狀況）。

相關資料

About Kaggle

資料處理相關

Kaggle 比賽心得分享

同場加映

意外發現非常有趣的競賽，各路的寫手們會不會很好奇，How good is your Medium article?

關於作者: Shane

喜歡寫文章的理科男孩。
目前人在紐約攻讀 Master of Computer Science @ SBU.
努力的找Summmer2020在美國的實習中，懇請各路大神提攜：
我的LinkedIn

不定期分享一些留學、工作、生活、旅遊的有趣故事們。
歡迎追蹤我或是刊物【島嶼男孩】!!!

↓如果喜歡我的文章，或覺得有趣請幫我分享或拍20下手↓↓↓↓