**🎯 Kaggle 是一个数据科学的在线平台，每个赛题就是一个数据分析的场景，而且上面的代码都是公开的，数据也都存储在云上，只要点几下，就能直接在云端环境运行别人的代码，快速实现项目复现和模型训练。是一个很好的算法学习和实战的平台，可以用来学习和练手：**
**传统机器模型**：包括决策树、随机森林、XGBoost、LightGBM、CatBoost、逻辑回归、支持向量机等。
**深度学习模型**：CNN、RNN、Transformer、LSTM、BERT、图神经网络（GNN）等。
**数据分析与特征工程**：特征工程、数据可视化、特征选择、PCA降维、缺失值插补、特征编码与构造。
**统计分析和可视化工具**：Pandas、Numpy、Matplotlib、Seaborn、Plotly 等，提供直观的数据探索和可视化分析能力。
---
下面以一个简单的题目为例，介绍一下这个平台的使用方式
- [1. 找题目](#1.%20%E6%89%BE%E9%A2%98%E7%9B%AE)
- [2.找答案](#2.%E6%89%BE%E7%AD%94%E6%A1%88)
- [3. 抄作业](#3.%20%E6%8A%84%E4%BD%9C%E4%B8%9A)
- [4. 运行作业](#4.%20%E8%BF%90%E8%A1%8C%E4%BD%9C%E4%B8%9A)
- [5. 交作业](#5.%20%E4%BA%A4%E4%BD%9C%E4%B8%9A)
- [6. 看排名](#6.%20%E7%9C%8B%E6%8E%92%E5%90%8D)
## 1. 找题目
在 kaggle 的比赛模块中找到这个比赛 https://www.kaggle.com/competitions/amex-default-prediction
## 2.找答案
点击 code 后进入一个『作业区』，里面是所有选手针对这个题目给出的作业，排名靠前的就是优秀作业
## 3. 抄作业
选择一份优秀作业后，点进来，点击右上角的 Copy&Edit，就相当于 fork 这份作业到自己的空间了
## 4. 运行作业
跑作业就是类似 Jupyter Notebook 的逻辑了，点击 run all 就可以运行代码（在 kaggle 的云环境中）
input 区域里放这次比赛的训练数据和测试数据，有很多云文件，可以直接搜索添加
output 区域就是放最后模型跑完之后的结果文件，然后系统会根据结果自动打分（准确率）
Setting 中可以选择是否联网，是否使用 GPU 加速
## 5. 交作业
点击Notebook右上角的按钮：
- 如果Notebook已经运行结束，右上角的按钮会变成 **Save Version**。
- 点击后，选择 "**Save & Run All (Commit)**" 或 "**Quick Save**"（推荐选前者确保所有代码已完全正确运行）。
等待几分钟后，Kaggle服务器会自动保存并记录你生成的结果。
- 一般代码最后都会在 Output 区域生成一个名为 `submission.csv` 的文件
- 回到这个比赛的主页，点击 **Submit t** 按钮，把你的预测结果文件提交到比赛排行榜。
## 6. 看排名
可以进入比赛主页的 **Leaderboard（排行榜）** 页面查看你提交的模型分数。
![CleanShot 2025-04-03 at
[email protected]|1000](https://imagehosting4picgo.oss-cn-beijing.aliyuncs.com/imagehosting/fix-dir%2Fmedia%2Fmedia_AT8ySUh8F7%2F2025%2F04%2F03%2F15-00-15-c470a7705c3a48e099f22375083c0568-CleanShot%202025-04-03%20at%2014.59.56-2x-37abdf.png)