机器学习一小步：Kaggle上的练习Titanic: Machine Learning from Disaster（一）

最新推荐文章于 2025-09-12 22:14:14 发布
原创 最新推荐文章于 2025-09-12 22:14:14 发布 · 8.7k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #机器学习 #pandas #kaggle

来自Kaggle上的练习Titanic: Machine Learning from Disaster，网址是https://www.kaggle.com/c/titanic

题目的大意是当年泰坦尼克号的沉没造成了很多人的死亡，其中比较重要的一个因素是救生艇不足，尽管是否能活下来有运气的因素，但有些人群的存活概率确实相对更高（比如女性，孩子）。题目给出了一些数据，然后希望我们能分析出就近何种人群更容易活下来。


数据主要在四个.csv文件中，一个train.csv，用于训练的样本，共891条内容，一个test.csv，相比前者缺少了Survived（是否存活）数据，另外两个gendermodel.csv和genderclassmodel.csv内容似乎是一样的，应该是test.csv的实际结果。

 

（一）数据概况

先瞄一眼train.csv文件里的内容，主要包含这么几列，可以简（武）单（断）地先判断一下那些数据比较有用：

PassengerId：只是个乘客序号；

Survived：最终是否存活；

Pclass：舱位，1是头等舱，3是最低等，从电影里看，这个影响还是挺大的；

Name：乘客姓名，除非是要算命，不然应该没啥影响；

Sex：性别，应该影响很大；

Age：年龄，有一部分数据缺失；

SibSp：一同上船的兄弟姐妹或配偶；

Parch：一同上船的父母或子女，目测这两项应该没啥影响吧，除非是要是一起死的那种；

Ticket：船票信息，比较乱，完全看不出有任何用处；

Fare：乘客票价，这个数据应该和Pclass有一定对应关系；

Cabin：客舱编号，应该不同的编号对应不同的位置，对逃生还是有一定影响的，然而这项数据缺失很多（204/891），所以我选择暂时忽略；

最低0.47元/天 解锁文章
机器学习实战——泰坦尼克号
weixin_50197893的博客
07-07 7821
通过泰坦尼克号生存项目来熟悉机器学习的整个流程，数据来源是kaggle上的titanic数据。该项目从数据获取->数据清洗->特征处理->构建模型->模型评估5个步骤进行分析。 该比赛提供了891名泰坦尼克号的乘客数据，包含乘客的姓名，性别、年龄、客舱等级等信息，数据中还包含一个最重要的信息：乘客是否生还（1：生还，0：遇难）。目的是通过对训练数据集的学习来构建一个分类预测模型，对测试数据集中的418名乘客生存情况进行预测。 数据来源链接：https://www.kaggle
机器学习经典Kaggle案例:泰坦尼克号：从灾难中学习机器
weixin_42662126的博客
08-18 2万+
kaggle链接:https://www.kaggle.com/c/titanic 一、简介 泰坦尼克号案例可以说是kaggle的“hello world”，入门者的必看案例。 1.1 比赛描述 RMS泰坦尼克号沉没是历史上最臭名昭着的沉船之一。1912年4月15日，在她的处女航中，泰坦尼克号在与冰山相撞后沉没，在2224名乘客和机组人员中造成1502人死亡。这场耸人听闻的悲剧震惊了国际社会，并为...
Kaggle项目实践——Titanic: Machine Learning from Disaster
easy2020的博客
09-12 734
泰坦尼克号生存预测项目虽然看似简单，但它覆盖了机器学习的完整流程——从数据清洗、特征工程、模型训练、超参数调优、可视化到最后的结果提交。对初学者而言，关键在于理解“每一步为什么要做”，而不是单纯追求排行榜上的名次。
机器学习经典案例——泰坦尼克号
yybanxian123的博客
04-20 1769
机器学习经典案例——泰坦尼克号 前言：泰坦尼克号数据分析是机器学习的一个经典案例，进行这个案例的学习，大家可以先在(https://www.kaggle.com/)对数据进行下载。网站需要账号登陆后下载，账号用Google、邮箱、脸书等。 然后是这几个数据集 为了方便进行数据展示，使用Jupyter Notebook 先将要用到的数据上传到Jupyter Notebook 然后新建一个python3.0的环境，就可以开始我们的案例了。 ...
sklearn机器学习-泰坦尼克号
weixin_33795833的博客
04-29 588
  sklearn实战-乳腺癌细胞数据挖掘（博主亲自录制视频） https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share     医药统计项目可联系  QQ：...
Kaggle竞赛 —— 泰坦尼克号（Titanic）
massquantity的博客
08-04 2万+
kaggle Titanic数据分析
Kaggle入门实战：Titanic - Machine Learning from Disaster
cici9811的博客
12-20 1321
Kaggle入门实战：Titanic - Machine Learning from Disaster项目简介关于数据数据概括数据字段描述数据分析总体思路初步分析 项目简介 Use machine learning to create a model that predicts which passengers survived the Titanic shipwreck. 基于机器学习建立模型预测泰坦尼克号灾难中哪些乘客得以生存。 Kaggle入门项目：Titanic overview 参考分析视频：B
Kaggle -- Titanic - Machine Learning from Disaster
a1783760364的博客
06-10 462
使用一个简单的决策树进行模型构建，达到75.8%的准确率（有点低，但是刚开始）新手kaggle之旅：1 . 泰坦尼克号。
机器学习-Titanic – Machine Learning from Disaster
qq3342560494的博客
05-21 829
机器学习-Titanic – Machine Learning from Disaster
Python 机器学习 唐宇迪泰坦尼克号【最新代码】
早起CaiCai的学习空间
02-13 2317
import pandas #ipython notebook titanic = pandas.read_csv("titanic_train.csv") titanic.head(5) titanic["Age"] = titanic["Age"].fillna(titanic["Age"].median()) #age将空值填充为平均值 （处理age） titanic.describe()#描述 titanic["Sex"].unique()#独特的 titanic.loc[titani
机器学习泰坦尼克号数据
09-21
机器学习泰坦尼克号数据，入门项目数据集。git上可下。附网址 我也是在git上找到的 ，官网注册后一直无法验证通过。 https://github.com/HumbertoSubiza/Titanic
机器学习 利用Titanic沉船数据，对Titanic上的乘客做生存预测。
12-08
整理competition提供的数据集，例如：特征过滤，数据归一化。 2. 在linear regression、logistic regression、neuron network或competition提供的算法中，挑出两个算法（必须选择一个实验课上使用的算法做实验，另外一个可以选择其他算法），在Titanic数据集上做十字交叉验证。 3.把每个数据集随机分为两份，一份做训练，另外一份做测试。使用两个算法在划分后的数据上做测试，并记录准确率。这个过程做5次，每次选择不同的训练样本比例（例如：训练样本占总样本的比例为10%， 20%， 30%， 40%， 50%， 初始比例和每次增加的比例，可以自己决定）。 4. 在报告中对数据集以及两个算法做简单描述；在Experimental Results部分介绍实验步骤，并展示实验结果。在Discussion and Conclusion部分对得到的实验结果对比分析。
机器学习项目实战:泰坦尼克号获救预测 训练数据和测试数据 完整版
02-11
机器学习实例不多，泰坦尼克号获救测试是一个比较好的，可是苦于没有训练数据，最近出去下载下来了，与诸君分享。
关于kaggle的训练数据和测试数据
01-02
关于王文强的博客文章 R语言kaggle 房价预测用xgboost 实现，可以保证前五十，最好达到第四名的成绩
Kaggle练习——Titanic
m0_50470999的博客
09-12 405
import pandas as pd import matplotlib.pyplot as plt %matplotlib inline inputData = pd.read_csv('./train.csv') trainData = inputData.copy(deep = True) 拷贝一份trainData用于数据处理，不动原数据。（其实好像没啥用） del trainData['PassengerId'] del trainData['Cabin'] del trainData['T
【推荐】泰坦尼克号乘客生存分析——用机器学习告诉你，如果你在当时的船上，有多大机率生还？
不积跬步，无以至千里
01-05 4809
转自：https://www.jianshu.com/p/9a5bce0de13f 大纲 序 数据来源 工具介绍 数据分析 数据概览 测定基准 分析特征重要性 数据展示（可视化） 特征工程 数据清洗 提取新特征 特征选取 数据导出 机器学习预测 选择算法 训练及评估 预测结果 人物画像 总结 结合历史核对结论 一些特别...
机器学习实战一：泰坦尼克号生存预测 Titantic
热门推荐
风信子的猫Redamancy的快乐星球
01-18 3万+
这是我在kaggle上找到的一个泰坦尼克号的生存的预测案例 希望能用它来进行我的学习与实践，从这里开始入门Machine Learning 也希望在这里，开始我的kaggle之旅 文章目录活动背景 活动背景 The Challenge The sinking of the Titanic is one of the most infamous shipwrecks in history. On April 15, 1912, during her maiden voyage, the widely
机器学习实战----初识泰坦尼克
只布布倩
05-22 4994
    “泰坦尼克号”的沉没是历史上最臭名昭著的海难之一。1912年4月15日，在处女航期间，泰坦尼克号撞上冰山后沉没，2224名乘客和机组人员中有1502人遇难。这场耸人听闻的悲剧震惊了国际社会，并导致了更好的船舶安全条例。       造成沉船事故的原因之一是没有足够的救生艇供乘客和机组人员使用。虽然在沉没中幸存了一些运气，但一些人比其他人更容易生存，如妇女、儿童和上层阶级。        ...
Titanic - Machine Learning from Disaster
最新发布
10-31
Titanic - Machine Learning from Disaster是Kaggle上的一个机器学习入门挑战项目，主要围绕泰坦尼克号生存预测展开，以下是从不同方面获取的相关资料： ### 项目的构建步骤和代码实现 创建了自定义的数据集类`TitanicDataset`，用于封装数据的加载和访问方式；定义了一个包含三个全连接层的神经网络模型`TitanicModel`，用于处理泰坦尼克号数据集的二分类任务；准备了数据加载器`Dataloader`，在训练过程中按批次加载数据；初始化模型实例，定义损失函数和优化器，为模型训练做准备[^1]。 ### 数据处理和模型选择 使用随机森林分类器和常见的数据预处理方法（如缺失值填充、类别变量编码等）完成泰坦尼克号生存预测模型的构建和测试数据的预测。模型的预测效果依赖于数据的质量以及特征的选择，未来可通过进一步优化特征工程或尝试其他机器学习算法来提升模型表现[^2]。 ### 代码示例 - **数据分离** ```python X_train_scaled = all_dummies_scaled[all_dummies_scaled.train_test == 1].drop(['train_test'], axis=1) X_test_scaled = all_dummies_scaled[all_dummies_scaled.train_test == 0].drop(['train_test'], axis=1) y_train = all_data[all_data.train_test == 1].Survived ``` - **导入模型训练的包** ```python from sklearn.model_selection import cross_val_score from sklearn.naive_bayes import GaussianNB from sklearn.linear_model import LogisticRegression from sklearn import tree from sklearn.neighbors import KNeighborsClassifier from sklearn.ensemble import RandomForestClassifier from sklearn.svm import SVC ``` - **使用朴素贝叶斯分类器作为基准模型** ```python gnb = GaussianNB() cv = cross_val_score(gnb, X_train_scaled, y_train, cv = 5) print(cv) print(cv.mean()) ``` - **数据筛选示例** ```python train_data[train_data.Sex=='female'] train_data[train_data.Sex=="female"] train_data[train_data.Sex=="female"].Survived women = train_data[train_data.Sex=="female"].Survived sum(women)/len(women) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值