人工智能与机器学习入门：使用Kaggle完成Titanic推断学习

Kaggle适合初学者通过实践项目入门人工智能和机器学习。它会给我们一些题目，基于题目我们可以下载数据，上传自己的代码、结果等，还可以查看其它学习成员的代码以供相互学习。

本文则一步步展示学习其一个课程：Titanic（泰坦尼克）中根据已有的数据推测旅客是否幸存。

首先打开专项学习地址：https://www.kaggle.com/competitions/titanic/overview

项目说明

在此项目中，kaggle会提供部分Titanic数据（称为训练数据），包括乘客是否幸存，以及乘客的属性信息：姓名、性别、年龄、等一些基本的信息。而我们的目标则是：编写代码处理这些数据，最终达到通过乘客的属性来推断出乘客是否幸存。

当编写的代码稳定性，则开始使用kaggle给出的另外一部分数据（称为测试数据），这些数据并不包括乘客是否幸存的信息，仅包括乘客的属性信息。将我们编写的代码作用于测试数据上，最终将得到一份推断乘客是否幸存的结果。

最终将这份推断结果上传到kaggle，kaggle则会出我们对测试数据最终推断结果的正确率，正确率越高说明我们的代码写的越精准。

在实际的学习入门过程中，核心的算法往往都有大牛写好了，我们需要做的是根据实际情况设置好参数，进行调用即可。

学习示例

如果你也是刚刚接触机器学习，那们我感觉更多的应该是多学习大牛的示例代码，比如我们点击code选项卡后，则可以在很多优秀的代码供我们学习：

第一条给出了热度最高的，点击后则可以查看她做的笔记以及书写的代码。在参考其学习的基础，我们还轻松的创建自己的学习环境：

在线的学习环境运行虽然有一点点慢，但是对于初学者而言足够的友好。

接下来的便是参考更多的code，理解更多的code，尝试运行更多的code，最终将算法的思路掌握到自己的脑海里。

再接下来就是学习稍微深一点的，然后循序渐近，最终达到熟练应用人工智能及机器学习的目的。

本地安装

如果有一定的开发基础，同时手上还有相应不错的计算资源的话，则推荐考虑本地安装。本文基于macos(arm64)来展来本地安装的推荐方案。

Conda

虽然macos原生的支持python，但是python的多版本管理一直让人诟病。而conda则是笔者认为众多环境管理中优秀的一员。

Conda又被官方称为Miniconda，相对于Ananaconda它的确足够mini了。

安装参考官方文档：https://docs.conda.io/projects/conda/en/stable/user-guide/install/macos.html

需要注意的是，安装的过程会下载一些安装包，而这可能需要我们提前解决好网络问题，否则将导致下载失败。

当然了，如果你愿安装更傻瓜更合面的Ananaconda也是完全可以的。

创建环境

Conda安装完成后，首先使用其创建一个固定3.9版本，名称起为kaggle的环境：

conda create -n kaggle python=3.9

环境创建后，使用如下命令来启用(激活)环境:

(base) panjie@panjiedacStudio kaggle % conda activate kaggle

(kaggle) panjie@panjiedacStudio kaggle % python --version
Python 3.9.21

此时当前的shell已经处于conda为我们创建的python 3.9环境中了

数据下载

首先，我们需要进行 Kaggle 账号的注册及登录，此过程比较简单，略过。

网页下载

在data选项卡下向下滚轮，在数据区域则可找到下载按钮，点击即可快速完成文件下载。

kaggle命令下载

在 Kaggle 中，数据是可以通过 kaggle 来下载的，而 kaggle 则是ptyhon下的一个包，可以通过pip进行安装：

python -m pip install kaggle

kaggle安装完成后，为了使其能够正常的与 Kaggle 官方服务器进行交互，还需要为其下载对应的配置文件，在进行登录的前提下，打开账号设置 https://www.kaggle.com/settings/account。找到API -> Create New Token:

再点击OK，则会创建了一个新的token，同时token的信息会自动弹出下载界面，我们将其下载到 ~/.kaggle/文件夹中，比如：~/.kaggle/kaggle.json

同时为了安全起见Kaggle官方建议我们将kaggle的权限设置为600: chmod 600 ~/.kaggle/kaggle.json

完成kaggle.json的下载工作后，便可以来到数据界面https://www.kaggle.com/competitions/titanic/data 进行数据下载了：

点击复制命令，并在Terminal中执行：

(base) panjie@panjiedacStudio kaggle % kaggle competitions download -c titanic
Downloading titanic.zip to /Users/panjie/study/kaggle
100%|███████████████████████████████████████████████████████████████████| 34.1k/34.1k [00:00<00:00, 90.2kB/s]
100%|███████████████████████████████████████████████████████████████████| 34.1k/34.1k [00:00<00:00, 90.0kB/s]

解压刚刚下载的titanic.zip，则得到3个csv数据文件：

(base) panjie@panjiedacStudio kaggle % ls
gender_submission.csv    test.csv        train.csv

文件说明

其中：

• train.csv 训练数据，我们后期的主要工作会围绕它展开
• test.csv 测试数据，训练完成后，我们使用该文件进行测试，以检验我们的训练成果
• gender_submission.csv 测试结果对应的真实存活率数值，用它来评估我们算法的准确性

本地编程

在激活conda环境的前提下，使用python -m pip install numpy 以及 python -m pip install pandas 安装两个基于包 numpy 以及 pandas 后
，打开自己喜欢的IDE编程工具，编辑文件初始化内容：

# This Python 3 environment comes with many helpful analytics libraries installed
# It is defined by the kaggle/python Docker image: https://github.com/kaggle/docker-python
# For example, here's several helpful packages to load

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

import os
for dirname, _, filenames in os.walk('./'): # ➀
    for filename in filenames:
        print(os.path.join(dirname, filename))

• ➀ 将此处目录的位置替换为下载的titanic数据的文件夹位置

最后执行：python titanic.py，本地的初步环境便搭建完成了。

正式学习

最后便是参考 https://www.kaggle.com/code/alexisbcook/titanic-tutorial 中的教程，读代码，理解代码，敲代码（不要复制），运行代码，调试代码，最终完成自己的作品。

在学习的道路上，只有出发与未出发，没有早晚之分。愿早日出发，旅程顺利！