今天讓我們聊聊在 Kaggle 實作手寫數字辨識比賽的結果吧！

這一篇的程式碼可參考 → DAY26-MNIST-CNN.ipynb

實作思考架構

與 [DAY16] 使用 Keras 實作手寫數字辨識系統－含程式碼 思考架構差異不大，這邊僅提與 DAY16 程式碼差異之處。

• import data：看看資料形式
• preprocessing
  • 因為這邊的 NN model 是用 CNN model，所以reshape資料時改成適合輸入進卷積層的形式
  • 資料給了訓練輸入圖、訓練輸出標籤和測試輸入圖，由於目的為了預測測試輸入圖結果，所以在資料前處理時，可以使用sklearn套件中的 train_test_split() 來切割資料的訓練集跟驗證集，這樣模擬預測測試集的結果會與現實情況比較相近。(不過這邊的參考程式碼偷個懶沒有這樣處理，還是在訓練時讓它自己切)
  • 沒有對訓練輸出標籤做前處理，是因為看到它的形式後，發現可以直接將 model 的 loss function 改成sparse_categorical_crossentropy，就能 fit 資料訓練格式。
• build NN model
  • 用了簡單的 CNN model 架構
• prediction
  • 輸入測試圖預測後，存成 Kaggle 需要的 csv 檔

上傳結果 csv 檔後

[DAY25] Kaggle 的參賽版面介紹－以手寫數字辨識比賽為例 介紹了參賽版面，當我們 submit predictions 的地方上傳我們存下來 csv檔結果後，可以看到自己的預測結果－正確率與排名等。

ps. 手寫數字辨識系統的排行榜(Leaderboard)會更新，以提交時間為準，提交後超過兩個月排名就下架，這是為了讓排行榜大小可控等原因。

其他：Kaggle 的 public / private testing set

這邊想額外提的是，當我們看比賽這區時，正在進行中的比賽通常可以看到 public 跟 private 兩個版面。

兩個都是 testing set 的排名，比賽期間看到的排名是全部人用 public testing set 的結果，但到比賽是用比賽完才會公布的 private testing set 的結果做判斷，所以 public 在前幾名的，在 private 則不一定也在前面。

圖片來源：李宏毅老師機器學習課程

我們可以看一下這上圖，實際操作並不推薦看到 public testing set 的結果後再回去修改model，因為會把 public 的偏差結果也學起來。把 public testing set 當參考就好～

小結

這三天的 Kaggle 介紹就先簡單在這邊總結了，了解平台各功能、參賽版面位置後，相信大家都能很快上手，並開始建立累積自己的機器學習實作經驗！明天就讓我們講一下另一個好用的線上服務吧！