1樓：
其他答案說的很詳盡，但是感覺篇幅很長，作用很小。
我覺得入門分幾步：
（1） 了解基本機器學習概念和演算法（可以上一下任何機器學習的公開課）；
（2） 在（1）的基礎上進一步了解各個演算法適合什麼樣的問題 (可以看看傻瓜版再深入了解，Machine Learning For Dummies Cheat Sheet)，了解bias-variance tradeoff，了解出現一些症狀的時候如何解決（可以看看andrew ng以前的presentation或者coursera上的新課）；
（3） 了解kaggle比賽規則，試著參加乙個比賽；
（4） 推薦看一看kaggle winner solution，以及最後推薦乙個coursera上的kaggle課程，課程叫做How to Win a Data Science Competition: Learn from Top Kagglers。
（5）多實踐，實踐中漸漸熟悉使用sklearn，pandas等等。
個人水平很差，勉強答一下希望像我一樣的菜鳥稍微少走點彎路。
2樓：evil
Kaggle系列第一期：Titanic baseline - 知乎專欄
正在做乙個專欄，以kaggle各個比賽為引，面向初學者
包含機器學習及資料視覺化內容，樓主若有興趣可以一觀
如何快速入門kaggle呢？
a2Mia姐 把裡面一些內容摘錄過來 學習合適的程式語言 工欲善其事，必先利其器。Kaggle比賽最流行的程式語言是Python，很多案例以及kernel上的baseline都是用python寫的 其次是R語言或其他。所以我們更推薦學Python。關於入門Python的教程，Kaggle入門，看這一...
如何評價Kaggle舉辦的Rental Listing Inquiries比賽？
鑑於樓上有一位master和一位準master，就獻醜隨便少說幾句了。這個比賽特徵種類繁多以及PB與LB的吻合，而且各路Grand Master的思路分享也是令人大開眼界的，當然那個magic也是真個比賽的乙個最大的轉折點，幾家歡喜幾家愁，算是稍微有點瑕疵吧，但是整體感覺還是很棒的。建議大家可以去d...
怎麼著手玩kaggle
大衛的小屋 作為曾經的資料競賽圈老司機，給大家分享過乙份資料科學競賽的究極進化秘笈。我想這篇文章可以手把手地教你如何學習機器學習與資料探勘的相關知識，如何做資料分析，如何做特徵工程，如何訓練模型，如何調參，如何斬獲比賽獎項。如果你想從0到1地上手國內外的資料科學競賽如Kaggle競賽 天池大資料競賽...