7 工业与Kaggle的挑战。收集更多的观测值并获得更多的变量是否比幻想建模更重要？ 我希望标题可以自我解释。在Kaggle中，大多数获胜者会使用有时与数百个基本模型进行堆叠的方式，以降低MSE的准确性，从而获得额外的百分比...一般来说，根据您的经验，精美的建模方法（例如堆叠与简单地收集更多数据和更多功能）有多么重要用于数据？ 56 large-data stacking collecting-data kaggle
2 Kaggle比赛是不是偶然赢了？ Kaggle竞赛根据坚持下来的测试集确定最终排名。 保留的测试集是一个样本；它可能不代表正在建模的总体。由于每个提交都像一个假设，因此赢得竞争的算法可能完全有可能比其他方法更好地匹配测试集。换句话说，如果选择了不同的测试集并重复了比赛，排名会保持不变吗？ 对于赞助公司而言，这并不重要（可能前20名提交者会改善他们的基准）。尽管具有讽刺意味的是，他们最终可能会使用比其他前五名更糟糕的第一名的模型。但是，对于竞争参与者来说，Kaggle似乎最终是一种机会游戏-不需要偶然找到正确的解决方案，而是需要偶然找到与测试集匹配的解决方案！ 是否可以改变比赛方式，以便所有无法在统计上区分的顶级球队获胜？或者，在这一组中，最简约或计算便宜的模型能否获胜？ 12 machine-learning probability hypothesis-testing sample kaggle