泰坦尼克号问题

最新推荐文章于 2022-07-28 21:06:04 发布
最新推荐文章于 2022-07-28 21:06:04 发布
阅读量430 收藏
点赞数
文章标签： 泰坦尼克号问题
src="https://nbviewer.jupyter.org/github/hellozybwl/Titanic/blob/master/Titanic.ipynb" width="850" height="3000">
hello_zybwl
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
网易云课堂《Tensorflow基础泰坦尼克获救预测》jupyter代码笔记
07-16
根据网易云课堂《Tensorflow基础泰坦尼克获救预测》课程整理的jupyter代码笔记
泰坦尼克号获救问题
weixin_43548135的博客
02-27 909
数据来源：Kaggle数据集 → 共有1309名乘客数据，其中891是已知存活情况（train.csv），剩下418则是需要进行分析预测的（test.csv） 字段意义： PassengerId: 乘客编号 Survived :存活情况（存活：1 ; 死亡：0） Pclass : 客舱等级 Name : 乘客姓名 Sex : 性别 Age ...
Titanic问题学习
moluchase的专栏
07-02 356
我的第一篇写机器学习的博客 目前水平：只是花了三个星期把统计学习方法看完推导了一遍 目的：仅仅是想着熟悉一下统计学习方法中算法的用处，了解机器学习的一些比赛，更好的明白学习的方向 结果：熟悉了数据的处理与分析流程，如何分离特征，但是关于调参数及优化这块没学习到 感想：理论和实践还是差距很大的，明显自己完成这些比赛还需要一些过渡，否则很难往前走；需要看机器学习的一些实战的书 kaggle官
我的难题（基于分析泰坦尼克号事件）
Danown的博客
12-01 496
标题
kaggle 泰坦尼克号问题总结
weixin_33851429的博客
06-07 417
学习了机器学习这么久，第一次真正用机器学习中的方法解决一个实际问题，一步步探索，虽然最后结果不是很准确，仅仅达到了0.78647，但是真是收获很多，为了防止以后我的记忆虫上脑，我决定还是记录下来好了。   1，看到样本是，查看样本的分布和统计情况 #查看数据的统计信息print(data_train.info())#查看数据关于数值的统计信息print(data_train.describe()...
泰坦尼克号案例ppt
02-24
就是那个大家都熟悉的『Jack and Rose』的故事，豪华游艇倒了，大家都惊恐逃生，可是救生艇的数量有限，无法人人都有，副船长发话了...对，这是一个二分类问题，是我们之前讨论的logistic regression所能处理的范畴。
泰坦尼克号生存预测数据集
04-07
【泰坦尼克号生存预测数据集】是一个广泛用于机器学习初学者和数据分析爱好者的数据集，源自于1912年泰坦尼克号沉船事件的历史记录。这个数据集旨在预测在灾难发生时乘客的生存情况，帮助理解哪些因素可能影响乘客的...
机器学习数据-泰坦尼克号
06-19
《泰坦尼克号数据集与机器学习中的特征工程解析》 在机器学习领域，数据的质量和处理方式往往决定了模型的预测精度。泰坦尼克号的数据集是一个经典的学习案例，它被广泛用于教学和实践，帮助初学者理解特征工程的...
泰坦尼克号
02-14
预测泰坦尼克号乘客的生存-Kaggle竞赛使用技能：NumPy，Pandas，Seaborn，scikit-learn（决策树分类器，SVM），xgboost（XGBClassifier），集成学习挑战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...
Kaggle:Titanic问题
icepoint的博客
08-06 2333
Kaggle:Titanic问题 相关库函数操作 1.pandas的read_csv函数 读取csv文件为DataFrame格式 from pandas import DataFrame data_train = pd.read_csv("Titanic/train.csv") data_train 输出结果：会自动将第一行处理为label 2.DataFr
titanic.ipynb
08-31
Overview The data has been split into two groups: training set (train.csv) test set (test.csv) The training set should be used to build your machine learning models. For the training set, we provide the outcome (also known as the “ground truth”) for each passenger. Your model will be based on “features” like passengers’ gender and class. You can also use feature engineering to create new features. The test set should be used to see how well your model performs on unseen data. For the test set, we do not provide the ground truth for each passenger. It is your job to predict these outcomes. For each passenger in the test set, use the model you trained to predict whether or not they survived the sinking of the Titanic. We also include gender_submission.csv, a set of predictions that assume all and only female passengers survive, as an example of what a submission file should look like. Data Dictionary VariableDefinitionKey survival Survival 0 = No, 1 = Yes pclass Ticket class 1 = 1st, 2 = 2nd, 3 = 3rd sex Sex Age Age in years sibsp # of siblings / spouses aboard the Titanic parch # of parents / children aboard the Titanic ticket Ticket number fare Passenger fare cabin Cabin number embarked Port of Embarkation C = Cherbourg, Q = Queenstown, S = Southampton Variable Notes pclass: A proxy for socio-economic status (SES) 1st = Upper 2nd = Middle 3rd = Lower age: Age is fractional if less than 1. If the age is estimated, is it in the form of xx.5 sibsp: The dataset defines family relations in this way... Sibling = brother, sister, stepbrother, stepsister Spouse = husband, wife (mistresses and fiancés were ignored) parch: The dataset defines family relations in this way... Parent = mother, father Child = daughter, son, stepdaughter, stepson Some children travelled only with a nanny, therefore parch=0 for them.
kaggle--Titanic问题
NP_hard的博客
11-03 325
文章目录数据探索数据处理特征工程数据统计与分析模型比较调参模型性能度量查看模型的统计学指标绘制混淆矩阵总结 算是记录一次完整的数据挖掘过程吧 数据探索 首先我们导入一些实验中需要的包 import pandas as pd import numpy as np from sklearn import svm, tree, linear_model, neighbors, naive_bayes, ensemble, discriminant_analysis, gaussian_process
Titanic 预测问题
西岸贤
07-28 2087
本文的主要内容是 Titanic 预测问题，文中包括数据集介绍、实验环境配置、实验过程、实验代码以及实验结果这几个部分，该实验采用了支持向量机(SVM)、随机森林算法(RFC)和反向传播算法(BP，也称为BP神经网络)，通过对乘客信息的分析，了解具备哪些特征的乘客更容易存活，建立机器学习模型并预测乘客的生还情况。...
泰坦尼克号竞赛用题
qq_43479164的博客
08-31 1833
泰坦尼克号获救问题 数据来源：Kaggle数据集 → 共有1309名乘客数据，其中891是已知存活情况（train.csv），剩下418则是需要进行分析预测的（test.csv） 字段意义： PassengerId: 乘客编号 Survived :存活情况（存活：1 ; 死亡：0） Pclass : 客舱等级 Name : 乘客姓名 ...
Kaggle竞赛之——泰坦尼克号生还问题
weixin_39205184的博客
05-16 803
此篇文章翻译自：https://www.kaggle.com/startupsci/titanic-data-science-solutions/code（Kaggle上Titanic问题点赞前三的Notebook）工作流程：在数据科学竞赛的解决问题的七个步骤：1.问题或问题的定义。（理解题目）2.获得培训和测试数据。（获取数据）3.争论,准备清理数据。（初步清洗数据）4.分析、识别模式,并探索数...
【机器学习笔记（七）】之泰坦尼克号获救问题 求解思路（完整代码-详细注释）
开发小鸽
07-04 925
泰坦尼克号获救问题(线性回归 / 逻辑回归 / 随机森林 求解思路) 一. 预处理 数据表格 首先分析表格中的数据，可以看到 Age 列中的数据是有缺失的，因此，需要补齐所有空缺的Age数据，用中位数。 再看Sex列中的性别字符串转换成 数字，便于计算。将所有 male替换为 0， female 替换为1。 同理， Embarked 列也要转换成数字，由于该列中依然有缺失，需要填充，那就填充出现次数最多的S，再进行准换。 数据预处理结束后，表格中的数据被补齐了，可以进行计算操作了。 二. 交叉验证 1.
Titanic
leetcodecl
09-14 343
问题描述：    
泰坦尼克号沉船练习(Titanic Practice)
松鼠跪鱼的博客
08-24 1562
import pandas as pd import matplotlib.pyplot as plt import numpy as np from sklearn.preprocessing import Imputer %matplotlib inline #导入数据集 train_df = pd.read_csv(r"C:\Users\maokong\Desktop\data\Tit...
机器学习代码学习(四)->>泰坦尼克号
Wangzx的博客
10-13 1121
下面代码为: .ipynb文件, 可以在Jupyter上运行 题目为: 给了3个.csv文件(一个训练, 一个测试,一个预测) 求: 预测乘客生还是死 import numpy as np#处理矩阵 import pandas as pd#资料处理(读csv文件) import matplotlib.pyplot as plt#画图 import seaborn as sns import wa...
机器学习kaggle实战-泰坦尼克号问题知识梳理
最新发布
05-20
泰坦尼克号问题是一个经典的二分类问题，即预测乘客是否能在泰坦尼克号沉船事故中生还。以下是机器学习Kaggle实战-泰坦尼克号问题的知识梳理： 1. 数据探索与可视化：首先需要对数据进行探索性数据分析（EDA），...

“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

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