kaggle-for-korean in python

한국인을 위한 (파이썬) 캐글 튜토리얼

• Kaggle을 이제 막 시작하셨다면? 아래의 Terminology와 numpy, pandas를 공부하시고 시작하시면 좋을 것 같습니다 :)

작성자 Profile

• https://www.kaggle.com/seriousran/
• kernel들 vote 부탁드립니다 :)

Contents

1. Terminology: Kaggle의 kernel들과 discussion들을 이해하기 위한 용어 설명
2. EDA: 데이터 시각화와 Feature Engineering (한글로 마땅한 단어를 모르겠네요)
3. Model: 기계 학습과 딥러닝 / 인공지능 모델들에 대해 소개 (Machine Learning and Deep Learning)

Terminology

: kaggle에서 쓰이는 용어들

• CV = Cross-validation score
  • 모델을 trainining dataset을 validation split을 한 후에, cross-validation을 해서 구한 점수를 나타냅니다.
  • 한번의 validation을 통해 얻은 score라면, overfitting일 가능성이 높지만, CV 방식은 좀 더 객관적인 점수를 나타냅니다.
  • 하지만 test dataset으로 계산하지 않은, 로컬한 점수입니다. CV가 LB보다 많이 높을 경우, overfitting으로 간주합니다.
  • Discussion에서 CV는 얼마인데, LB는 얼마가 나온다는 얘기를 많이 볼 수 있습니다.
• LB = Leaderboard score
• DAE = Denoising autoencoder
• VAE = Variational autoencoder
• OverSampling/UnderSampling
• OOF = Out-Of-Fold
• leak
• Stacking
• Stacking2
• Target encoding

EDA

: Exploratory Data Analysis

• Main Point
  • Data Analysis
  • Inlier/Outlier
  • Feature Engineering
    • Feature Selection
    • Dimension Reduction
    • Feature Generation
• Libraries
  • Visualization
    • matplotlib
    • bokeh:
    • seaborn (as sns)
      • heatmap
        • variable/feature 간의 correlation matrix를 그릴 때 많이 사용됨.
      • pointplot, boxplot, lmplot(=scatterplot)
    • plotly
      • dots, lines, bars, pie, ...

Model

• Machine Learning
  • SciKit-Learn
    • Regression
    • Classification
  • Light GBM
  • Catboost
• Deep Learning
  • tensorFlow
  • PyTorch
  • Caffe
  • Theano
  • Cahiner
  • Keras
    • kaggle의 강자는 keras인 것 같습니다. 코드가 간결하기 때문이죠.