Kaggle(1)：数据挖掘的基本流程

我觉得做任何事情，一定要有章法。对于学习类的事情，就是要有框架。第一次打Kaggle比赛，我的一个重要收获就是初步搞清楚了打这类比赛的框架。

可以分为以下六步：理解问题、分析问题、算法选择、结果评价、算法调优、提交和总结。要想很好的完成比赛，这六步缺一不可。

1）理解问题

也就是认真读题，在这一步，最重要的是有耐心。不要想着多么迅速的把这一步搞定，最终的目的是要把问题理解清楚，包括：要解决的问题是什么，要预测的目标量是什么，我们有哪些可用信息等等。不要忽略任何一个细节。

2）分析问题

问题是属于哪一类型。是分类、聚类还是时间序列问题，如何进行区分。这类问题有什么特点，一般的分析流程是怎样的。如果不懂或者觉得没见过，那很可能就是要返回去加强相关的理论知识。

3）算法选择

一般的，每一类问题可以利用的算法都不止一种。针对这一问题，我应该选择哪类算法，为什么？相比于其它算法，我选择的算法有何优势。

4）结果评价

不要傻傻的预测出一个结果就提交和上传，这样一般都不会有好的成绩。可以将原始数据分为训练数据集和测试数据集，然后自己验证模型的效果。如果效果不佳，那要再调优；如果效果很好，可以将整个原始数据集作为训练样本，计算一个新模型，再用新模型做预测。

5）算法调优

根据评价结果对算法进行调优，这应该是个技术活，甚至可能是最具技术含量的一个部分。要对算法进行调优，可能涉及到数据集的选择和构建、算法参数的选择和调整等。

6）提交和总结

提交答案，看看自己的成绩和高水平选手的差距。想想这次比赛中我的不足在哪里，今后该如何提升。

每一次的比赛，都是在为自己积累相应的项目经验，都是提升自身技术水平的过程。这些，其实就是你在将来能够和面试官聊的东西；你掌握得越深入，你能够展示出来的东西就越是多，成功获得面试官青睐的可能性也就越大。