competition-workflows

コンペティションのワークフロー

概要

データへのアクセスからノートブックの実行、提出まで、Kaggle のコンペティションのワークフローにこのスキルを使用します。リーダーボードの順位を追い求めるための近道よりも、再現性、ルールの遵守、データリークの防止を優先します。

ノートブックの出力から提出する

ノートブックのバージョンで生成した出力ファイルを提出する場合は、ノートブックカーネルの提出フォームを使用します。

kaggle competitions submit <competition> -k <owner/slug> -f <file> -v <version> -m "<message>"

提出前に、ノートブックの実行が正常に完了したこと、出力ファイルが存在すること、バージョン番号が意図した実行と一致することを確認します。ステータス、ログ、ファイル、出力のダウンロードコマンドには、notebook-lifecycle を使用します。

コンペティションデータへのアクセス

コンペティションデータのダウンロードには、Kaggle CLI または kagglehub を使用します。ノートブックを Kaggle で実行する必要がある場合は、kernel-metadata.json にコンペティションのソースを追加します。ダウンロードや提出が可能であると想定する前に、ユーザーがコンペティションのルールに同意したことを確認します。

提出内容の検証チェックリスト

• 必須の列、順序、行数、ID の網羅性をアサートします。
• null、無限大、無効なラベル、範囲外の予測値がないか確認します。
• Kaggle での実行中は、/kaggle/working に出力を保存します。
• 提出するファイル名が、生成された成果物と完全に一致することを確認します。
• モデルや実行の変更点を示す簡潔な提出メッセージを記載し、秘密情報は公開しないようにします。

データリークと検証の確認

コンペティションの構造に合ったグループ分割、時系列分割、層化分割を使用します。検証データへの変換処理の適合を避けるため、前処理は各フォールド内で適用します。公開リーダーボードのフィードバックを検証セットとして使用しないでください。リーダーボードを繰り返し調べると過学習につながる可能性があります。外部データ、事前学習済みモデル、インターネットアクセス、アンサンブルのソースがルールに準拠していることを確認します。

再現性の基準

ノートブックは、クリーンな Kaggle セッションで先頭から末尾まで実行できる必要があります。該当する場合は、Python、NumPy、フレームワークのライブラリ、分割器のシードを設定します。環境の変化が結果に影響する可能性がある場合は、パッケージのバージョンを固定します。最終実行のロジックを変えずに、ローカルでの実行や簡易チェックに少量のサンプルを使えるよう、DEBUG フラグを使用します。

よくある失敗例

症状	確認事項
提出が拒否される	ファイル名、列、行、コンペティションのスラッグ、ルールへの同意
スコアが不自然に高い	データリーク、目的変数の混入、ID の不一致、訓練データとテストデータの結合ミス
ノートブックの出力が見つからない	保存場所、実行失敗、タイムアウト、ファイルパターン
ローカルのスコアと乖離する	分割の不一致、フォールド間のリーク、乱数シード、フォールド外での前処理

安全性と制限事項

コンペティションのルールを回避したり、非公開テストデータの再構築、非公開データのスクレイピング、ルールで許可されていない外部データの使用を提案したりしないでください。GPU／TPU を使った長時間の学習を行う前に警告します。秘密情報が必要な場合は、UI から Kaggle Secrets を使うよう案内してください。秘密情報の管理について、公開 API がサポートされていると主張しないでください。

参照先

• Kaggle API のドキュメント：https://www.kaggle.com/docs/api
• Kaggle ノートブックのドキュメント：https://www.kaggle.com/docs/notebooks
• Kaggle カーネル CLI：https://github.com/Kaggle/kaggle-api/blob/main/docs/kernels.md