Kaggle公司是由联合创始人兼首席执行官AnthonyGoldbloom2010年在墨尔本创立的，主要是为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台，Notebook主要支持Python和R。

就我个人来说，我非常喜欢这个平台，它不仅提供了大量的数据集和教程供我们学习，还为每人免费配备了一定的CPU、内存和磁盘资源，并且在交互界面上也非常的赏心悦目。

反观国内的几大平台，PAI需要购买计算资源，存储资源，DC一没有在线分析的资源，提交结果还需要实名认证更是反人类的设定；DC学院提供的课程9.9到699不等，并显得杂乱无章。

介绍

本文来自于Kaggle的官方教程翻译，由于图片不便于翻译，故需要读者略懂一些英文术语。

本文将介绍一个机器学习的模型是如何工作，以及如何使用它们来为我们服务，如果您已经具备这些知识，请跳过本文。

本次课程，我们将一起构建以下场景的模型：

您的堂兄花了数百万投资房地产；他您是所有亲戚里面的数据科学方面的专家，他希望与你一起合作，由他提供资金，而您需要预测各种房屋价格，为他的投资提供建议和决策。

通过餐桌上的交流，堂兄表示以前一直是靠直觉在预测房地产的价值，但睿智的你通过观察发现真相只有一个：他有一套通过旧房地产的价值数据预测新房价的潜在模型，只不过他自己没有意识到。

这就与机器学习的工作方式相似了，我们将从一个名为“决策树”的模型开始，虽然有更高级的模型可以提供更为准确的预测，但决策树相对简单、更容易理解，它是数据科学中一些优秀模型的基础结构。

简单决策树

下图是一颗倒过来的树，嗯，你可以伸出手指，比出剪刀手，然后翻过来，它表示通过一个决定，将产生两种结果。

它将房屋分为两类，而房屋的预测目标则是同一类型房屋的历史平均价。

模型训练

我们使用历史数据来决定如何对房屋进行分类，然后再确定每一类的价格。这一步我们称为拟合或训练模型，用于拟合模型的数据称为训练数据。在代码中通常以train表示，而用于训练的变量为X_train，目标变量为Y_train。

模型训练的步骤比较复杂，我们通常是调用现有的科学计算库来完成，并在训练完成后保存它。

数据预测

根据上一步得到训练好的模型，我们将需要预测的新房数据输入，通过模型预测出新房的目标价格。

改进决策树

通过对历史数据的预测，我们的决策树将如何进行选择？

当然，只要不傻，我们肯定是选择左侧的树（谁说要选右侧的，请给我来10套这样的房子），因为现实是拥有更多房间的房子更贵。

但是，只通过房间数量来标定一个房价太过儿戏，我们买房通常还要考虑交通、房龄、位置、环境等因素。

这时候，我们要增加树的深度，以进行更多条件的判断：

上面这个树，在房间的基础上增加了对面积的判断，通过训练数据的特征，逐级选择相应的路径，最后达到底部的叶子节点，即是我们需要的预测结果。

原文链接

https://www.kaggle.com/dansbecker/how-models-work

PS： 打开此链接需要一些技术手段