Kaggleで勝つデータ分析の技術本を読み終わって感じるところ
Kaggle本を読み終わりました。
Kaggleについて体系的に学べて非常によかった。このため、400ページくらいのボリュームがあったけれども、2日とかからず読み終えた。無論、意味がわからずすっ飛ばすところが多かったからである。
だが、分析コンペにおけるタスクの種類（回帰タスクや分類タスク）、評価指標の最適化、特徴量とは何か、特徴量の作成（調整）、モデルの作成（GBDTやニューラルネット、線形モデル）など、モデルの評価（バリデーション）、モデルのチューニング、などについて知ることができた。これは大きい。
ではなぜ理解できなかったか、というと。おそらく「機械学習の勉強」をすっとばしていたからである。私はこれまで、２か月間Pythonの勉強をしてきた。学習量としても少ないが、そもそもPythonの使い方を学んだだけである。機械学習はほぼやっていない。そりゃー分からないわけである。
ということで、次にやるべきことは「機械学習の勉強」であるが、ここまできてKaggleに参加しないのももったいないので、Kaggleni参加して他の人のコードをみながら、機械学習の勉強もするようにしたい。分量としては、1:1くらいかな。
ただぼんやりとしていたKaggleも、まあ参加できるかな、というイメージはもてるようになってきた。しっかりと手を動かして、順位を上げる活動をしていきたい。
