kaggle上有哪些好的競賽項目？哪些適合入門，哪些適合進階

01-16

幾個個人建議，權作拋磚引玉。

1，做有Reward那種，且仍然active的比賽。這類比賽牛人參加會比較多，競爭比較激烈，分數會計入ranking。deadline的push壓力也比較緊，knowledge類基本沒什麼壓力。壓力大，才會逼迫自己一直調整演算法。（對我這種拖延患者是這樣的）

active的比賽，更有未知性，勝者solution沒有公布。每天限定的submission次數也會迫使自己不段調model，試cross validation。

2，做Classification的。不是regression不能做，是太難了，一般regression對feature選擇要求較高，有相關業務背景做起來會很合適，不然很容易做的沒信心了。classification上手容易，演算法多樣，適合大部分人。至於其他類，optimization什麼的，與主流dm還是隔得比較遠。

3，具體classification裡面，推薦做正負樣本比較均衡（大於5%都可以接受），數據量較大的。因為在比賽結束前，leaderboard只是基於小部分test set算的（20%）。如果數據量很少或不均衡，單個樣本的結果會對leaderboard score產生巨大影響，通常不是衡量模型的好標準，小白非常容易迷失在leaderboard之中，overfit LB。例如，Liberty Mutual, Allstate. 這些數據由於保險行業的low frequency特徵，極度不平衡，沒有業務知識上手會比較困難，不推薦新手（當然也可能是我比較弱）

以上三點，僅是一家之言，我也是今年八月開始做，大概十月以後忙於學業，就沒怎麼碰了。現在的比賽中active的就那麼幾個，比較推薦的是Avazu CTR Prediction，CTR也是一個應用很廣，很有錢景的方向（當然，太成熟了，很多已經被做透了）。

一直覺得有教程的才是最適合入門的，so Titanic！進階的就不好說了，從101開始往上到play ground再一些有獎的比賽之類的

趁現在回答不多來獻個丑：

Kaggle作為全球最大的數據建模和數據分析競賽平台，數據來源於各行各業的研究者，參與者中既有頂尖的數據挖掘專家和統計學者，也有初入職場的數據分析師甚至學生，自然也會有適合不同層次選手的項目供大家選擇。因此，好與不好也是要結合自己的目的來看：

對於以學習為主要目的新手，Tutorial資源豐富的就是好項目，比如101和playground中的練習賽，這樣的項目可以單人參與，省去了組隊的麻煩，可以幫助大家快速熟悉Kaggle比賽流程，我們的專欄中「0基礎如何上手Kaggle」這一部分中非常貼心的給出了三個經典練習的參考資源供大家練習。

對於想要獲得較高排名但水平較為一般的同學，參與人數多、難度低、獎金少的項目就是好項目（詳情可以看「Kaggle入門，看這一篇就夠了」）；

對於喜歡挑戰高難度項目獲取快（jiang）感（jin）的大神，案例複雜而酬金豐厚的Feature類項目才是好項目~

最後，給自己的專欄打廣告吧：Kaggle入門，看這一篇就夠了

Kaggle系列第一期：Titanic baseline - 知乎專欄

正在做一個專欄，以kaggle各個比賽為引，面向初學者

包含機器學習及數據可視化內容，樓主若有興趣可以一觀

我很想說，有solid背景和比賽經驗，而且想跳到quant坑裡的請pm我簡歷，該信息長期有效。