如何在Kaggle中高效搜索數(shù)據(jù)集？快吃下這枚安利

本文作者：汪思穎

編輯：郭奕欣

2017-09-14 17:14

導(dǎo)語：Kaggle上龐大的數(shù)據(jù)集是一個極好的資源池，但是這么多的數(shù)據(jù)，如何進(jìn)行更精準(zhǔn)的搜索呢？

雷鋒網(wǎng) AI科技評論按：對于關(guān)注數(shù)據(jù)科學(xué)的同學(xué)來說，Kaggle上龐大的數(shù)據(jù)集是一個極好的資源池，但是這么多的數(shù)據(jù)，如何進(jìn)行更精準(zhǔn)的搜索？近日，Kaggle官方博客就刊登了Rachael Tatman的一篇文章，向大家安利如何更高效的搜索數(shù)據(jù)集，具體怎么操作？雷鋒網(wǎng) AI科技評論將文章編譯整理如下：

目前，在Kaggle上有成千上萬的數(shù)據(jù)集，而且每天都會有新的增加。雖說Kaggle是一個非常棒的資源池，但是想在這么多的數(shù)據(jù)集里精準(zhǔn)地找到與自己感興趣的主題相關(guān)的，有時會有點(diǎn)棘手。在過去的幾個月里，我學(xué)到了一些技巧和小竅門，或許能幫到你！

從“Datasets”頁面搜索

大多數(shù)時候，我更喜歡打開“Datasets”頁面搜索數(shù)據(jù)集。你可以點(diǎn)擊Kaggle主頁頂部的Datasets標(biāo)簽直達(dá)這個頁面。

如何在Kaggle中高效搜索數(shù)據(jù)集？快吃下這枚安利

數(shù)據(jù)集搜索

在Datasets頁面用搜索框搜索和在頁面頂部搜索不同，你將能在頁面上看到所有的搜索結(jié)果。

如何在Kaggle中高效搜索數(shù)據(jù)集？快吃下這枚安利

搜索小技巧

我寫這篇文章的時候，Kaggle上的搜索已經(jīng)支持一些額外的語法了，你可以通過下面的一些限定進(jìn)行更精確的搜索。

“”：用雙引號把搜索文本括住之后就可以進(jìn)行精準(zhǔn)搜索。例如搜索“巧克力蛋糕”，將會得到關(guān)于巧克力蛋糕的結(jié)果，而不會出現(xiàn)巧克力棒或紅絲絨蛋糕。

+：將兩個搜索詞用加號連接，中間不要出現(xiàn)空格，將得到含有第一個詞和第二個詞的搜索結(jié)果。搜索“巧克力+蛋糕”將會得到同時包含巧克力和蛋糕的結(jié)果，而不會非得是巧克力蛋糕。

|：在兩個搜索詞之間插入這個符號，將得到有第一個詞或第二個詞的搜索結(jié)果，例如搜索“蛋糕|巧克力”將會得到有蛋糕或巧克力的結(jié)果。

*：如果你正在搜索的東西具有多種拼寫方式，可以使用*進(jìn)行搜索。例如搜索“choc*”，結(jié)果中將會出現(xiàn)以"choc"開頭的關(guān)鍵詞，比如"choclate"、"chocked"或是"chockablock"。

-：在搜索詞前面加上減號將得到不包含該詞的結(jié)果。例如搜索"蛋糕-巧克力"將會得到與蛋糕相關(guān)的結(jié)果，但會屏蔽掉所有帶有巧克力的結(jié)果。

在搜索結(jié)果中進(jìn)行更細(xì)致的查找

如果你搜索出來的結(jié)果太多了，這時瀏覽器中的頁面搜索功能將起到很大作用。在大多數(shù)web瀏覽器中，你可以鍵入ctrl+f(在Mac上是cmd+f)，然后在出現(xiàn)的方框中輸入你想要更進(jìn)一步搜索的文本。

如何在Kaggle中高效搜索數(shù)據(jù)集？快吃下這枚安利

將結(jié)果分類

你可以通過不同的方式將搜索結(jié)果分類：

熱度：這是默認(rèn)的排序方式。熱度取決于很多因素，包括在一段時間內(nèi)總的受歡迎程度和活躍度的增長情況。
得票數(shù)：這個排序取決于搜索結(jié)果的得票情況。
更新時間（我比較推薦這種排序方式）：這種排序是基于最近更新(創(chuàng)建或增加新版本)的時間，這是我個人最喜歡的排序方式。其他人可能更傾向于流行的、比較老的數(shù)據(jù)集，而我更想找到一些新的數(shù)據(jù)集。而且，我還發(fā)現(xiàn)了一點(diǎn)，近期更新過數(shù)據(jù)集的發(fā)布者更有可能回復(fù)大家的提問、對kernel作出評論。
近期活躍度：這種排序方式取決于近期用戶是否與數(shù)據(jù)集有過交互，比如對數(shù)據(jù)集進(jìn)行評價、啟動或運(yùn)行kernel。
相關(guān)度：這種排序方式取決于搜索結(jié)果與查詢詞的相關(guān)程度。

如何在Kaggle中高效搜索數(shù)據(jù)集？快吃下這枚安利

精選數(shù)據(jù)集與所有數(shù)據(jù)集

默認(rèn)情況下，Datasets頁面只會顯示精選數(shù)據(jù)集，精選數(shù)據(jù)集是由Kaggle團(tuán)隊(duì)成員手工挑選的，有良好的文件記錄、已經(jīng)被清洗過并且隨時可以使用。不過，并不是所有的數(shù)據(jù)集都是精選數(shù)據(jù)集，一些高質(zhì)量的數(shù)據(jù)集可能還沒有被精選。如果你想看到所有數(shù)據(jù)集，可以點(diǎn)擊頁面上“精選”旁邊的“所有”選項(xiàng)卡。在選擇所有數(shù)據(jù)集之后，可以通過數(shù)據(jù)集的標(biāo)題旁是否有灰色的精選標(biāo)簽來分辨是否為精選數(shù)據(jù)集。

如何在Kaggle中高效搜索數(shù)據(jù)集？快吃下這枚安利

數(shù)據(jù)集標(biāo)簽

另一種查找數(shù)據(jù)集的方法是使用標(biāo)簽(相對較新的特性)。你可以通過兩種方式搜索特定的標(biāo)簽。第一種方法是單擊數(shù)據(jù)集列表或數(shù)據(jù)集頁面上的標(biāo)簽，這將返回一系列帶有匹配標(biāo)簽的數(shù)據(jù)集列表。第二種是在搜索框中搜索標(biāo)簽。你可以在你搜索的詞后面加上用單引號括住的tag:標(biāo)簽名，即搜索詞tag：標(biāo)簽名的形式，如果標(biāo)簽中有空格，記得打出來。

tag:'食物和飲品'：搜索帶有食物和飲品標(biāo)簽的數(shù)據(jù)集
tag:'因特網(wǎng)':：搜索帶有因特網(wǎng)標(biāo)簽的數(shù)據(jù)集

有一些標(biāo)簽涵蓋了很廣泛的主題，數(shù)據(jù)發(fā)布者給自己的數(shù)據(jù)貼上這些標(biāo)簽，讓它們更容易被發(fā)現(xiàn)?，F(xiàn)在用戶還沒有辦法添加自己的獨(dú)一無二的標(biāo)簽，我建議大家可以通過點(diǎn)擊搜索結(jié)果中的標(biāo)簽來進(jìn)行搜索，而不是自己輸入文本來進(jìn)行搜索，試圖猜測某個標(biāo)簽是否存在。

如何在Kaggle中高效搜索數(shù)據(jù)集？快吃下這枚安利