Kaggle(一):Titanic 数据集线性回归预测

本文介绍了如何使用线性回归在Kaggle的Titanic数据集上进行预测。首先,详细讨论了线性回归的原理和应用,接着转向逻辑回归,探讨在分类问题上的应用。
摘要由CSDN通过智能技术生成

一、线性回归

import pandas as pd
titanic = pd.read_csv ("Desktop/research/Kaggle/Titanic/train.csv")
titanic_test = pd.read_csv ("Desktop/research/Kaggle/Titanic/test.csv")
titanic.head(5)
print(titanic.describe()) #数值型
titanic["Age"] = titanic ["Age"].fillna(titanic["Age"].median())
titanic_test["Age"] = titanic_test["Age"].fillna(titanic_test["Age"].median())
titanic.loc[titanic["Sex"] =="male","Sex"] =0
titanic.loc[titanic["Sex"] =="female","Sex"] =1
titanic_test.loc
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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