1.需要一點ml演算法的基礎的。
另外就是要會用程式語言和相應的第三方庫來實現演算法.
常用的有： python以及對應的庫numpy、scipy、scikit-learn（實現了ml的一些演算法，可以直接用）、theano（deeplearning的演算法包）。
r語言、weka 如果用到深度學習的演算法，cuda、caffe也可以用 總之，使用什麼程式語言、什麼平台、什麼第三方庫都無所謂，無論你用什麼方法，kaggle只需要你線上提交結果，線下你如何實現演算法是沒有限制的。
最好在linux下安裝 ，省很多麻煩！！
2.模組介紹
numpy：numpy系統是python的一種開源的數值計算擴充套件。這種工具可用來儲存和處理大型矩陣，比python自身的巢狀列表（nested list structure)結構要高效的多（該結構也可以用來表示矩陣（matrix））。
**pandas：**資料結構和分析
scipy：是python中科學計算程式的核心包，實現以下插值，積分，優化，影象處理等等，都是需要計算。
scikit-learn通過定義統一的python介面，實現了一系列有監督和無監督的學習演算法。
**matplotlib：**全面的2d / 3d繪圖，這個假期作社會實踐專案時用過，當時畫的直方圖。
theano：是乙個python庫，專門用於定義、優化、求值數學表示式，效率高，適用於多維陣列。特別適合做機器學習。一般來說，使用時需要安裝python和numpy.
資源**：1. 簡直不能太貼心，太喜歡了
Kaggle比賽入門指南
首先說，絕大部分的kaggle比賽是data mining dm 比賽 除少數是和discrete optimization還有computer vision cv 有關 最重要的是和machine learning ml 關係不大。這是很多人乙個誤區，往往希望在kaggle上學到很多ml的知識。k...
kaggle比賽之悟
一 模型與特徵哪個重要？參與sberbank russian housing market比賽，一開始使用sklearn的嶺回歸函式ridge 殘差值一直是0.37左右，然後同樣的特徵又使用了xgboost，殘差值降到了0.34左右，提高的還是挺顯著的。但是另外一些參賽選手，使用xgboost，殘差...
kaggle相關知識
kaggler 絕大多數都是用 python 和 r 這兩門語言的。首先簡單介紹一些關於 kaggle 比賽的知識 比賽通常持續 2 3 個月，每個隊伍每天可以提交的次數有限，通常為 5 次。比賽結束前一周是乙個 deadline，在這之後不能再組隊，也不能再新加入比賽。所以想要參加比賽請務必在這一...