kaggle入门资源整理＋小结

最近准备重新上手kaggle了，先上网找找相关套路，在这里总结分享一下：

分分钟带你杀入Kaggle Top 1%

这里将其总结成思维导图

1.比赛篇

2.经验篇

自己慢慢积累吧

3.工具

以下总结了一些常用的工具：

Numpy | 必用的科学计算基础包，底层由C实现，计算速度快。

Pandas | 提供了高性能、易用的数据结构及数据分析工具。

NLTK | 自然语言工具包，集成了很多自然语言相关的算法和资源。

Stanford CoreNLP | Stanford的自然语言工具包，可以通过NLTK调用。

Gensim | 主题模型工具包，可用于训练词向量，读取预训练好的词向量。

scikit-learn | 机器学习Python包 ，包含了大部分的机器学习算法。

XGBoost／LightGBM | Gradient Boosting 算法的两种实现框架。

PyTorch／TensorFlow／Keras | 常用的深度学习框架。

StackNet | 准备好特征之后，可以直接使用的Stacking工具包。

Hyperopt | 通用的优化框架，可用于调参。