分分钟带你杀入Kaggle Top 1%

文章预览

作者：吴晓晖  中山大学（SYSU）数据科学与计算机（硕士） 本文经作者授权转载自吴晓晖知乎专栏 原文：https://zhuanlan.zhihu.com/p/27424282 不知道你有没有这样的感受，在刚刚入门机器学习的时候，我们一般都是从MNIST、CIFAR-10这一类知名公开数据集开始快速上手，复现别人的结果，但总觉得过于简单，给人的感觉太不真实。因为这些数据太“完美”了（干净的输入，均衡的类别，分布基本一致的测试集，还有大量现成的参考模型），要成为真正的数据科学家，光在这些数据集上跑模型却是远远不够的。而现实中你几乎不可能遇到这样的数据（现实数据往往有着残缺的输入，类别严重不均衡，分布不一致甚至随时变动的测试集，几乎没有可以参考的论文），这往往让 ………………………………