# 5競爭機器學習的好處 > 原文： [https://machinelearningmastery.com/5-benefits-of-competitive-machine-learning/](https://machinelearningmastery.com/5-benefits-of-competitive-machine-learning/) Jeremy Howard， [Kaggle](http://www.kaggle.com/) 的正式演出于2013年中期在[舊金山大學](http://www.usfca.edu/)進行了演示。在那次演講中他談到了機器學習比賽的一些更廣泛的好處，比如那些Kaggle。 在這篇文章中，你將發現我從這次演講中提取的5分，這將激勵你想要開始參加機器學習比賽 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/08/Competitive-Machine-Learning-is-a-Meritocracy.jpg) 競爭機器學習是一種精英政治 攝影作者 [PaulBarber](https://www.flickr.com/photos/boipevassu/7742521640) ，保留一些權利 ## 南佛羅里達大學的大數據 霍華德的演講名為“ [_Kaggle的Jeremy Howard在舊金山大學_](https://www.youtube.com/watch?v=OKOlO9nIHUE) 講述大數據。標題用詞不當。這次演講主要關注霍華德的背景，他是如何進行機器學習以及簡單地談論討人喜歡的。 霍華德有一個初創企業的背景，這個講話很好地總結了這一背景以及他必須從那次旅程中傳授的教訓。 <iframe allowfullscreen="" frameborder="0" height="281" src="https://www.youtube.com/embed/OKOlO9nIHUE?feature=oembed" width="500"></iframe> 在演講結束時，霍華德接觸了Kaggle及其使命，這是激發這5點的靈感。他們是： 1. **Meritocracy** ：狀態完全基于能力。 2. **角色模型**：最佳表演者及其原創故事成為榜樣。 3. **推送限制**：排行榜推動您和群組的功能。 4. **創新**：競爭導致技術創新。 5. **社區**：像大腦一樣找到對方并分享想法。 ## 1.精英政治 數據科學或機器學習競賽是一種精英。這意味著等級僅根據優點確定。 所給出的類比是體育運動，其中唯一重要的是運動員所取得的成果。無論你來自哪里，你的性別或你去哪里上學都沒關系。重要的是你可以取得的成果。 這樣的系統是公平的，像工作場所那樣存在的偏差不會影響結果。該系統也是透明的，每個人都可以訪問相同的源材料（訓練數據）和表現評估（排行榜）。 我們在之前的帖子中已經觸及過這個問題[應用機器學習是一個Meritocracy](http://machinelearningmastery.com/applied-machine-learning-is-a-meritocracy/ "Applied Machine Learning is a Meritocracy") 。 ## 2.角色模型 比賽創造了榜樣。 比賽的結果表明，通常不是學術上做得好，但那些具有適應性工程思維的人使用有效的方法來獲得最好的結果。具有多樣化和有趣背景的人在該平臺上的所有數據科學家中排名前10位或前100名。 這具有創建角色模型的效果。他們的故事是不同的，例如一年前在免費的Coursera課程中遇到過機器學習。這些有趣的故事吸引你，“_，如果他能做到，我可以做到_”。 你還看到，當一位“知名”數據科學家加入競爭時，就像 [Netflix獎](http://en.wikipedia.org/wiki/Netflix_Prize)中的明星一樣，這引起了更多的關注，“_我想打敗做得好的人在Nextfix獎_中。 ## 3.推限制 與體育一樣，排行榜可以突破你和團隊所能達到的極限。 只要知道一個人知道你所做的事情，即使你已經全部給了它，也可以推動你去尋找那一條額外的信息。 排行榜的實時反饋對可以實現的結果產生心理影響。這可能會像四分一英里那樣削減兩種方式，直到 [Roger Bannister打破它](http://en.wikipedia.org/wiki/Four-minute_mile)，證明它可以完成。 ## 4.創新 競爭導致技術創新。 每次都會破壞最先進的基準測試。這種情況最有可能發生，因為問題已明確指定用于機器學習，并且因為參與者不限于在給定領域或研究領域中使用的方法。什么都可以。 這開辟了討論問題的不同方式，既可以在現場利用，也可以利用未來類似的競爭，加速全面推進。 ## 5.社區 社區圍繞著競爭而興起。 在分享信息方面存在平衡，但在分享競爭中失敗的情況下不會分享太多信息。分享您和小組的好處，并且似乎在每場比賽中自動發生。 就像大腦一樣，找到彼此并團結起來，利用彼此最好的部分想法，超越他們獨立的能力。 社區和信息流是良好競爭的關鍵因素。它們幫助初學者入門，推動中間體的發展和創新。 ## 摘要 在這篇文章中，您發現了競爭機器學習的五大好處。它們是：精英管理，榜樣，推動極限，創新和社區。 這在機器學習方面并不新鮮，與學術會議合作已有近20年的競爭。新的是參與規模和進入門檻低。無論您的背景如何，這都是進入應用機器學習的激動人心的機會主義時刻。