本文详细介绍了如何在Kaggle平台上创建和使用Kernels进行数据分析和模型训练。从新建Kernel选择Script或Notebook，到添加数据集，再到代码提交与运行的注意事项，以及最后如何查看和下载输出文件，每个步骤都有清晰的说明。Kaggle Kernels为用户提供了一个免费且便捷的计算环境。
Kaggle上提供了代码的执行环境，为很多没有计算资源的童鞋提供了免费的平台，还是挺不错的。具体方式是点击上方导航栏中的Kernels按钮。
1.新建Kernel
我们需要新建一个Kernel来生成一个运行环境，点击New Kernel按钮。
选择Script或者Notebook，我选择Script。
2.数据集的添加
训练模型需要数据集，在界面的右侧，存在如下图所示的添加数据集的区域，点击Add Data即可开始添加数据集。
选择Datasets，再点击Upload a Dataset即可使用从本地上传的数据集。点击Competition Data，即可搜索Kaggle中竞赛或训练题目的数据集。点击Datasets下方的Your Datasets，即可查找到曾经添加的数据集，方便重复使用。
3.代码的提交与运行
编辑区的最上方区域用于增加文件名称，下方是编辑代码的区域，支持R，Python等。
输入文件路径的填写，可以单击右侧数据集相应文件，会在左侧弹出一个小框，最上方有路径，复制粘贴即可。输出文件填文件名即可，在4中会提及如何找到输出文件。
代码的写法要注意，首先是Python要采用Python3的语法。代码本身最好要检查好没有问题了再上传，因为Commit的时间比较慢。
减少循环中print等IO的使用，因为给每个程序的运行时间貌似只有6个小时。
编辑完毕后点击右上方Commit按钮即可提交运行，一般训练时间较长，我们可以关闭浏览器，等结束后再登陆查看结果。
4.输出的问题
训练完毕之后，在Kernel下选择Your Work，选择当前代码，进入后可以看到会新增Output一项，点击即可查看输出文件。输出文件可以直接下载到本地。
【References】
论坛或者kaggle搜索栏
扫一扫
1万+
到【灌水乐园】发言
