Kaggle竞赛的工作流程：
1、加入竞赛：
看一下竞赛的描述，了解具体任务和数据集的情况之后，如果比较感兴趣这个比赛。点击Join Competition按钮，接受竞赛规则后，就可以访问比赛数据集啦。如下图所示：
2、训练模型：
下载数据后，可以选择在本地环境中进行数据处理和模型训练，或者使用Kaggle Notebooks。（推荐白嫖资源哦，kaggle每段时间给一部分白嫖的资源，非常好用）
Kaggle Notebooks 是一个在线的Jupyter Notebook环境，免去了本地设置的麻烦，并且提供了免费的GPU资源，方便直接在浏览器中进行实验，简单来说跟用jupyter一毛一样。
3、提交结果：
训练好模型后，需要生成预测结果文件，一般预测的文件都已经给提供了一个例子，并在Kaggle上点submit进行提交。系统会基于隐藏的测试集对模型的预测进行打分，让偶给出一个分数。
主要得先把那个在那个环境里跑一下，生成那个例子一样的文件，（保存他自己就运行一遍
运行完了之后就去提交处，可以提交修改的版本了，（代码要有那个样例文件生成，才能测评）
4、查看排行榜：
提交结果后，可以查看在排行榜中的位置，了解自己的模型表现如何与其他参赛者进行比较。
5、优化模型，提升分数：
通过分析竞赛讨论区中的教程和其他参赛者的分享，不断优化你的模型，提高预测性能。
社区中有许多讨论帖和公开的Kaggle Notebook，暗中观察各位大佬的操作！
Kaggle常见术语（Lingo）：
为了帮助初学者快速掌握Kaggle的术语，Kaggle提供了由Dr. Rachael Tatman制作的视频，介绍常用的Kaggle术语。常见术语包括：
Kernel：指Kaggle上的Notebook环境，用于编写和运行代码。
Submission：上传到平台的预测结果文件。
Leaderboard：实时查看自己与其他参赛者的排名情况。
Public/Private Leaderboard：Kaggle的排行榜分为公开（Public）和私密（Private）排行榜。公开排行榜是基于部分测试集打分，私密排行榜则是在竞赛结束时揭晓，基于完整测试集打分。
Evaluation Metric：评估模型的指标，可能是准确率（accuracy）、对数损失（log loss）、均方误差（MSE）等。
看我最近一个比赛，感觉分数还是很高滴，等我比赛结束之后我就把代码分享出来，大家给我提提建议