数据平台Kaggle入门

以前不知道Kaggle这个平台的存在，偶然发现后，发现真是一个非常好的数据平台，

它在大数据的地位相当于leetcode在在线编程上的地位。

最开始的Kaggle从一个博客开始：http://blog.youkuaiyun.com/han_xiaoyang/article/details/49797143

这篇文章从一个基本问题出发，讲解了算法从设计到比较完善的一个总流程，

对新手来说帮助非常大。

————————————————————————————————————————

总的来说在数据平台上解决一个问题分为两步：

一  对数据进行处理（主要方面）

二  用机器学习算法对数据进行训练及预测

自己也实现了一下上面博客里面的算法，只是在第二步里用tensorflow自己实现了一个复杂点

的回归模型，结果发现虽然自己实现的回归模型变复杂了，但结果却没有提升太多，模型还有

很多改进的地方，有许多参数需要调节。

再接再厉，多练习，多练习，多练习！！！！

————————————————————————————————————————

有一堆数据，进行分析的一个好的流程：

１．用pandas中的dataframe的corr()方法求相关系数，得到一些关键的特征

２．用sklearn中tree的决策树方法得到关键的决策性特征

３．用这些关键的决策性特征作为特征数据输入到判别器（logistic回归，ＤＮＮ，随机森林等）

４．得到各个特征的重要性系数，代入进行判定

参考关于员工离职预测的kernel：https://www.kaggle.com/randylaosat/predicting-employee-kernelover

————————————————————————————————————————

随机森林算法：

用原有数据通过放回抽样的方式进行多次采样得到几组训练数据，分别用这些训练数据以及随机选取的特征训练不同的

决策树或者Logistic回归器。输入一个新样本时，将这些所有小决策树或Logistic的结果中出现最多的作为判定结果。