kaggle入门题泰坦尼克号乘客生存预测

最新推荐文章于 2024-06-23 15:42:10 发布
最新推荐文章于 2024-06-23 15:42:10 发布
阅读量634 收藏 6
点赞数 4
分类专栏： 精品文章 文章标签： python 人工智能 开发语言
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。
本文链接：https://blog.csdn.net/qq_61009660/article/details/128107145
版权

 题目是需要通过乘客的年龄，性别，舱级，社会阶级，上船地点，船上家人数量的信息对乘客的生存死亡做一个预测。

# This Python 3 environment comes with many helpful analytics libraries installed
# It is defined by the kaggle/python Docker image: https://github.com/kaggle/docker-python
# For example, here's several helpful packages to load

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

# Input data files are available in the read-only "../input/" directory
# For example, running this (by clicking run or pressing Shift+Enter) will list all files under the input directory

import os
for dirname, _, filenames in os.walk('/kaggle/input'):
    for filename in filenames:
        print(os.path.join(dirname, filename))

# You can write up to 20GB to the current directory (/kaggle/working/) that gets preserved as output when you create a version using "Save & Run All" 
# You can also write temporary files to /kaggle/temp/, but they won't be saved outside of the current session

1. 数据集情况查看以及数据清洗(填补空缺值)

import matplotlib.pyplot as plt
import seaborn as sns
 
train = pd.read_csv('../input/titanic/train.csv')
test = pd.read_csv('../input/titanic/test.csv')
    
    # 这里需要注意的是，如果没有后面的ignore_index=True
    #那么index的值在连接后的这个新数据中是不连续的 继续从 0开始，如果要按照index删除一行数据，可能会发现多删一条。
full = pd.concat([train, test], ignore_index=True)
full.head()  # 默认显示5行

#查看字符型数据情况：
full.describe(include=['O'])

 

full.describe().T
 
#describe()函数只能查看数据类型的描述统计信息，无法查看类似字符类型的信息。
#故需用info()函数进一步查看每一列的数据信息。
full.info()

 

print(full.isnull().sum()) # 查看数据的缺失情况

 

#用众数填补Embarked    
#查看众数
full.Embarked.mode()
full['Embarked'].fillna('S',inplace=True)

 

#填补Fare空缺值,用Pclass==3的客舱票价的中位数来填充
full[full.Fare.isnull()]#查看Fare缺失值的信息，获得Pclass
full.Fare.fillna(full[full.Pclass==3]['Fare'].median(),inplace=True)
#年龄(Age) 最小值为0.17，不存在0值，其数据缺失率为263/1309=20.09%，由于Age的平均数与中位数接近，故选择平均值作为缺失项的填充值。
full.Age.fillna(full.Age.mean(),inplace = True)
# full['Age']=full['Age'].fillna(full['Age'].mean())
full.Age.describe()

 full['Cabin'] = full['Cabin'].fillna('U')
full.Cabin.isnull().sum()
#1014
 
#创造新特征Cabin_exist，判断Cabin与Survived的相关性，相关性不大则删除
full['Cabin_exist'] = full['Cabin'].map(lambda x:"Yes" if type(x)==str else "No")# 判断类型是否相等
full[["Cabin_exist", "Survived"]].groupby("Cabin_exist",as_index=False).mean()

 

 

full =full.drop('Cabin_exist',axis = 1)
full.head()
 
#将字符转换为数值
full['Cabin_exist'] = full['Cabin'].map(lambda x: 1 if type(x)==str else 0)
full = full.drop('Cabin',axis = 1)
full.head()
 
# full.loc[full.Cabin.notnull(),'Cabin'] = 1
# full.loc[full.Cabin.isnull(),'Cabin'] = 0
# full.Cabin.isnull().sum()#验证填充效果
 
sns.barplot(x="Cabin_exist",y="Survived",data=full)
full.isnull().sum()
#数据处理完毕
 
full.head()

 2. 特征工程

#1，探究Sex与Survived的相关性
full[['Sex','Survived']].groupby('Sex',as_index = False).mean().sort_values('Survived',ascending = False)
sns.countplot(x = 'Sex',hue = 'Survived',data =full)

#Sex（性别）,将字符映射到字符
sex_dict = {'male': 1,'female':0}
full['Sex'] = full['Sex'].map(sex_dict)
full['Sex'].head()
 
full[["Pclass","Sex","Survived"]].groupby(["Pclass","Sex"],as_index=False).mean().sort_values(by="Survived",ascending=False)
 
#两维变量关系图
sns.factorplot(x="Pclass",y="Survived",hue="Sex",data=full)

 

 #2，探究Pcalss与Survived的关联性,相关性较高
full[["Pclass","Survived"]].groupby(["Pclass"],as_index = False).mean().sort_values(by="Survived",ascending=False)
sns.barplot(x="Pclass",y="Survived",data=full)

 

#将客舱类型进行独热编码
PclassDf = pd.get_dummies(full['Pclass'],prefix = 'Pclass')
PclassDf.head()
#将编码后的客舱特征与原数据合并
full = pd.concat([full,PclassDf],axis = 1)
full.head()
#删除Pclass
ful = full.drop('Pclass',axis = 1)
full.head()

 

Embarked：不同的上船地点对生存率是否有影响

full[["Embarked","Survived"]].groupby("Embarked",as_index=False).count().sort_values("Survived",ascending=False)
sns.barplot(x="Embarked",y="Survived",data=full)

sns.factorplot(x="Sex",y="Survived",hue="Embarked",data=full)
full[["Sex","Survived","Embarked"]].groupby(["Sex","Embarked"],as_index=False).count().sort_values("Survived",ascending=False)

 

S口岸，登船人数644，女性乘客占比46%；C口岸，登船人数168，女性占比接近77%； Q口岸，登船人数77，女性占比接近88%。 前面已知女性生存率明显高于男性生存率，所以上述问题可能由性别因素引起。

 

#对Embarked进行独热编码
EmbarkedDf = pd.get_dummies(full['Embarked'],prefix = 'Embarked')
EmbarkedDf.head()
# 将EmbarkedDf的特征添加至full数据集
full = pd.concat([full,EmbarkedDf],axis = 1)#按列插入数据
full.head()
# 因为已经使用登船港口(Embarked)进行了one-hot编码产生了它的虚拟变量（dummy variables）
# 所以这里把登船港口(Embarked)删掉
full = full.drop('Embarked',axis = 1)
full.head()

 从name里提取title(头衔)，地位高的人在灾难里会更有可能获得救援从而得以存活

def getTitle(Name):
    s1 = Name.split(',')[1]#Braund, Mr. Owen Harris	分割完取第二个元素Mr. Owen Harris
    s2 = s1.split('.')[0]#得到Mr
    return s2.strip( ) #strip() 方法用于移除字符串头尾指定的字符（这里是空格）
full['Title'] = full['Name'].map(getTitle)#将getTitle映射给Name  得到Title
full['Title'].value_counts()
 
full.drop('Name',axis = 1,inplace  = True)
full.head()

将头衔分为五类：

Officer：政府官员； Royalty：王室（皇室）； Mr：已婚男士； Mrs：已婚妇女； Miss：年轻未婚女子； Master：有技能的人/教师

 

pd.crosstab(full.Title,full.Sex)#透视表
#探索title与生存的关系
full[["Title","Survived"]].groupby("Title",as_index=False).mean().sort_values("Survived",ascending=False)
 
sns.barplot(x="Title",y="Survived",data=full)

 

full['Title'].value_counts()
Mr              757
Miss            260
Mrs             197
Master           61
Rev               8
Dr                8
Col               4
Mlle              2
Major             2
Ms                2
Lady              1
Sir               1
Mme               1
Don               1
Capt              1
the Countess      1
Jonkheer          1
Dona              1
Name: Title, dtype: int64
#独热编码
TitleDf = pd.get_dummies(full['Title'],prefix = 'Title')
#添加进full
full = pd.concat([full,TitleDf],axis = 1)
full.head()
#删除不需要的列
full = full.drop(['Title'],axis = 1)
full.head()

 

Cabin与Survived之间的相关性

客场号的类别值是首字母，因此我们提取客舱号的首字母为特征 full['Cabin'] = full['Cabin'].map(lambda x : x[0]) full['Cabin'].value_counts full['Cabin']=full['Cabin'].map(lambda x:x[0]) full['Cabin'].value_counts() 因为之前用处理过，所以不再提取首字母，如果用u来填充的话，可以用这种方法

探究孤身一人和有家人陪伴的生存率（SibSp，Parch）

full[['SibSp','Survived']].groupby(['SibSp'],as_index = False).mean().sort_values('Survived',ascending = False)
sns.barplot(x = 'SibSp',y = 'Survived',data = full)
full[["Parch","Survived"]].groupby("Parch",as_index=False).mean().sort_values("Survived",ascending=False)
sns.barplot(x = 'Parch',y = 'Survived',data = full)
# 构建家庭人数和家庭类别的新特征
full['family'] = full['Parch'] + full['SibSp'] + 1#Parch，SibSp为0时，只有自己一个人，+1
full['Alone'] = np.where(full['family'] == 1,1,0)
 
full['family_small'] = np.where((full['family']>=2) & (full['family']<=4),1,0)
full['family_big'] = np.where(full['family']>=5,1,0)
full.head()
#探究家庭与存活率的关系  证实孤身一人存活率不高
full[['family','Survived']].groupby('family',as_index = False).mean().sort_values('Survived',ascending = False)
sns.barplot(x = 'family',y = 'Survived',data = full)
 
#孤身一人对生存率是否有影响
full[["Alone","Survived"]].groupby("Alone",as_index = False).mean().sort_values("Survived",ascending=False)
sns.barplot(x="Alone",y="Survived",data=full)
 
full = full.drop('family',axis = 1)
sns.factorplot(x="Pclass",y="Survived",hue="Alone",data=full)

探究年龄Age与Survived的相关性

#查看Age的分布情况
sns.violinplot(y="Age",data=full)
#查看生存与死亡乘客的年龄分布
sns.violinplot(y="Age",x="Survived",data=full)
#将年龄分为五组
full['AgeCut'] = pd.cut(full.Age,5)#要用full['AgeCut']，而不是full.AgeCut,这样AgeCut才会在Index里
full.AgeCut.value_counts().sort_index()
 
full[['AgeCut','Survived']].groupby('AgeCut',as_index = False).mean().sort_values('Survived',ascending = False)

 

#根据各个分段，重新给Age赋值
full.loc[full.Age <= 16.136,'Age'] = 1
full.loc[(full.Age > 16.136)&(full.Age <=32.102),'Age'] = 2
full.loc[(full.Age > 32.102)&(full.Age <=48.068),'Age'] = 3
full.loc[(full.Age > 48.068)&(full.Age <=64.034),'Age'] = 4
full.loc[full.Age > 64.034,'Age'] = 5
full.head()
 
AgeDf = pd.get_dummies(full['Age'],prefix =' Age')
full = pd.concat([full,AgeDf],axis = 1)
full = full.drop(['Age','AgeCut'],axis = 1)
full.head()
sns.violinplot(y="Fare",data=train)
#对比生死乘客的票价
sns.violinplot(y="Fare",x="Survived",data=train)

 

# 当然这里也可以用seaborn的displot进行绘制，但是displot的纵坐标是比率，hist的纵坐标是实际个数count；
# figsize调整画布大小
full['Fare'].hist(color='green', bins=30, figsize=(8,4))

 

#分组
full['FareCut'] = pd.cut(full.Fare,5)
full.FareCut.value_counts().sort_index()
# full.head()
 
full[['FareCut','Survived']].groupby('FareCut',as_index = False).mean().sort_values('Survived',ascending = False)
#重新赋值
full.loc[full.Fare<=7.854,'Fare']=1
full.loc[(full.Fare>7.854)&(full.Fare<=10.5),'Fare']=2
full.loc[(full.Fare>10.5)&(full.Fare<=21.558),'Fare']=3
full.loc[(full.Fare>21.558)&(full.Fare<=41.579),'Fare']=4
full.loc[full.Fare>41.579,'Fare']=5
full.head()
 
#进行独热编码
FareDf = pd.get_dummies(full['Fare'],prefix = 'Fare')
full = pd.concat([full,FareDf],axis = 1)
full = full.drop(['Fare','FareCut'],axis = 1)
full.head()
 
full = full.drop(['SibSp','Parch','Pclass'],axis = 1)
full.head()

3.特征选择

full.info()
 
 
corr_df=full.corr()  
corr_df
 
#用图形直观查看线性相关系数
plt.figure(figsize=(16,16))
plt.title("Pearson Correlation of Features")
sns.heatmap(corr_df,linewidths=0.1,square=True,linecolor="white",annot=True,cmap='YlGnBu',vmin=-1,vmax=1)
 
corr_df['Survived'].sort_values(ascending = False)
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1309 entries, 0 to 1308
Data columns (total 42 columns):
 #   Column              Non-Null Count  Dtype  
---  ------              --------------  -----  
 0   PassengerId         1309 non-null   int64  
 1   Survived            891 non-null    float64
 2   Sex                 1309 non-null   int64  
 3   Ticket              1309 non-null   object 
 4   Cabin_exist         1309 non-null   int64  
 5   Pclass_1            1309 non-null   uint8  
 6   Pclass_2            1309 non-null   uint8  
 7   Pclass_3            1309 non-null   uint8  
 8   Embarked_C          1309 non-null   uint8  
 9   Embarked_Q          1309 non-null   uint8  
 10  Embarked_S          1309 non-null   uint8  
 11  Title_Capt          1309 non-null   uint8  
 12  Title_Col           1309 non-null   uint8  
 13  Title_Don           1309 non-null   uint8  
 14  Title_Dona          1309 non-null   uint8  
 15  Title_Dr            1309 non-null   uint8  
 16  Title_Jonkheer      1309 non-null   uint8  
 17  Title_Lady          1309 non-null   uint8  
 18  Title_Major         1309 non-null   uint8  
 19  Title_Master        1309 non-null   uint8  
 20  Title_Miss          1309 non-null   uint8  
 21  Title_Mlle          1309 non-null   uint8  
 22  Title_Mme           1309 non-null   uint8  
 23  Title_Mr            1309 non-null   uint8  
 24  Title_Mrs           1309 non-null   uint8  
 25  Title_Ms            1309 non-null   uint8  
 26  Title_Rev           1309 non-null   uint8  
 27  Title_Sir           1309 non-null   uint8  
 28  Title_the Countess  1309 non-null   uint8  
 29  Alone               1309 non-null   int64  
 30  family_small        1309 non-null   int64  
 31  family_big          1309 non-null   int64  
 32   Age_1.0            1309 non-null   uint8  
 33   Age_2.0            1309 non-null   uint8  
 34   Age_3.0            1309 non-null   uint8  
 35   Age_4.0            1309 non-null   uint8  
 36   Age_5.0            1309 non-null   uint8  
 37  Fare_1.0            1309 non-null   uint8  
 38  Fare_2.0            1309 non-null   uint8  
 39  Fare_3.0            1309 non-null   uint8  
 40  Fare_4.0            1309 non-null   uint8  
 41  Fare_5.0            1309 non-null   uint8  
dtypes: float64(1), int64(6), object(1), uint8(34)
memory usage: 125.4+ KB

Out[46]:

Survived              1.000000
Title_Mrs             0.339040
Title_Miss            0.327093
Pclass_1              0.285904
family_small          0.279855
Fare_5.0              0.266217
Embarked_C            0.168240
 Age_1.0              0.121485
Pclass_2              0.093349
Title_Master          0.085221
Title_Mlle            0.060095
Fare_4.0              0.058052
Fare_3.0              0.043153
Title_Lady            0.042470
Title_Mme             0.042470
Title_Sir             0.042470
Title_Ms              0.042470
Title_the Countess    0.042470
 Age_4.0              0.030350
 Age_3.0              0.021711
Title_Major           0.011329
Title_Col             0.011329
Title_Dr              0.008185
Embarked_Q            0.003650
PassengerId          -0.005007
Title_Don            -0.026456
Title_Jonkheer       -0.026456
Title_Capt           -0.026456
Title_Rev            -0.064988
 Age_5.0             -0.067344
 Age_2.0             -0.097245
family_big           -0.125147
Embarked_S           -0.149683
Fare_1.0             -0.164287
Fare_2.0             -0.198067
Alone                -0.203367
Pclass_3             -0.322308
Sex                  -0.543351
Title_Mr             -0.549199
Cabin_exist                NaN
Title_Dona                 NaN
Name: Survived, dtype: float64

选择特征

full_x=pd.concat([TitleDf,PclassDf,EmbarkedDf,FareDf,AgeDf,full['Sex'],full['family_small'],full['Cabin_exist']
                  ,full['family_big'],full['Alone']],axis=1)
full_x.head()

分割训练数据和测试数据


#前891行为原始训练数据
source_x=full_x.loc[0:890,:]#提取特征值
source_y=full.loc[0:890,'Survived']#提取标签值
 
#后418行是test,预测数据
pred_x=full_x.loc[891:,:]
source_x.shape#(891, 23)
source_y.shape#(891,)
pred_x.shape#(418, 23)

构建训练集和数据集

#对x_train,x_test进行标准化
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
x_train_std=sc.fit_transform(x_train)
x_test_std=sc.transform(x_test)
#训练数据集和测试数据集，按照二八原则分为训练数据和测试数据，其中80%为训练数据
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test =train_test_split(source_x,source_y,train_size=0.8)
print('训练数据集特征:{0},训练数据集标签:{1}'.format(x_train.shape,y_train.shape))
print('测试数据集特征:{0},测试数据集标签:{1}'.format(x_test.shape,y_test.shape))

不同模型对比

from sklearn.model_selection import cross_val_score
 
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.svm import SVC
 
models=[KNeighborsClassifier(),GaussianNB(),DecisionTreeClassifier(),RandomForestClassifier(),
       GradientBoostingClassifier(),SVC()]
 
# 计算各模型得分
names=['KNN','NB','Tree','RF','GDBT','SVM']
for name, model in zip(names,models):
    score=cross_val_score(model , x_train , y_train ,cv=5)
    print("{}:{},{}".format(name,score.mean(),score))
KNN:0.8174431202600216,[0.79020979 0.82517483 0.8028169  0.84507042 0.82394366]
NB:0.7079976361666502,[0.62237762 0.6993007  0.76056338 0.67605634 0.78169014]
Tree:0.8244558258642766,[0.7972028  0.83916084 0.79577465 0.85915493 0.83098592]
RF:0.818831872352999,[0.7972028  0.83216783 0.79577465 0.85211268 0.81690141]
GDBT:0.8230473751600511,[0.8041958  0.83216783 0.79577465 0.83098592 0.85211268]
SVM:0.837082635674185,[0.8041958  0.86713287 0.8028169  0.83802817 0.87323944]
# 使用标准化的数据 scaled data
names=['KNN','NB','Tree','RF','GDBT','SVM']
for name, model in zip(names,models):
    score=cross_val_score(model,x_train_std,y_train,cv=5)
    print("{}:{},{}".format(name,score.mean(),score))
KNN:0.8258347286516301,[0.81818182 0.83916084 0.80985915 0.82394366 0.83802817]
NB:0.6798975672215108,[0.61538462 0.65734266 0.77464789 0.61971831 0.73239437]
Tree:0.8230473751600511,[0.7972028  0.83916084 0.79577465 0.85211268 0.83098592]
RF:0.8188121737417513,[0.8041958  0.83916084 0.78169014 0.83802817 0.83098592]
GDBT:0.8230473751600511,[0.8041958  0.83216783 0.79577465 0.83098592 0.85211268]
SVM:0.8188121737417513,[0.79020979 0.85314685 0.78169014 0.82394366 0.84507042]

通过决策树看各个特征的重要性

clf = DecisionTreeClassifier(criterion = 'entropy',random_state = 30,splitter = 'random')
clf.fit(x_train_std,y_train)
score = clf.score(x_test_std,y_test)
score
 
 
fi=pd.DataFrame({'importance':clf.feature_importances_},index=x_train.columns)
fi.sort_values('importance',ascending=False)
Sex0.386930
Pclass_30.141619
family_big0.093548
Title_Master0.047530
Pclass_10.042795
Alone0.034266
Fare_2.00.025950
Pclass_20.024562
Embarked_S0.022365
Fare_1.00.021891
Age_2.00.017045
Title_Mr0.017019
Fare_4.00.015637
Age_3.00.014921
Age_4.00.012283
Fare_5.00.011596
Embarked_C0.011315
family_small0.010904
Title_Mrs0.009843
Embarked_Q0.008676
Fare_3.00.007491
Age_5.00.007221
Title_Miss0.004979
Title_Sir0.003193
Title_Col0.002961
Age_1.00.001737
Title_Rev0.001293
Title_Dr0.000430
Title_Don0.000000
Title_Dona0.000000
Cabin_exist0.000000
Title_Major0.000000
Title_Jonkheer0.000000
Title_Lady0.000000
Title_the Countess0.000000
Title_Ms0.000000
Title_Mme0.000000
Title_Mlle0.000000
Title_Capt0.000000
fi.sort_values('importance',ascending=False).plot.bar(figsize=(11,7))
plt.xticks(rotation=30)
plt.title('Feature Importance',size='x-large')

 
from sklearn.model_selection import GridSearchCV
 
param_grid={'n_neighbors':[1,2,3,4,5,6,7,8,9]}
grid_search=GridSearchCV(KNeighborsClassifier(),param_grid,cv=5)
 
grid_search.fit(x_train_std,y_train)
 
grid_search.best_params_,grid_search.best_score_


#LogisticRegression
from sklearn.linear_model import LogisticRegression
param_grid={'C':[0.01,0.1,1,10]}
grid_search=GridSearchCV(LogisticRegression(),param_grid,cv=5)
 
grid_search.fit(x_train_std,y_train)
 
grid_search.best_params_,grid_search.best_score_
 
# second round grid search
param_grid={'C':[0.04,0.06,0.08,0.1,0.12,0.14]}
grid_search=GridSearchCV(LogisticRegression(),param_grid,cv=5)
 
grid_search.fit(x_train_std,y_train)
 
grid_search.best_params_,grid_search.best_score_


#Support Vector Machine
 
param_grid={'C':[0.01,0.1,1,10],'gamma':[0.01,0.1,1,10]}
grid_search=GridSearchCV(SVC(),param_grid,cv=5)
 
grid_search.fit(x_train_std,y_train)
 
grid_search.best_params_,grid_search.best_score_
 
 
#second round grid search
param_grid={'C':[2,4,6,8,10,12,14],'gamma':[0.008,0.01,0.012,0.015,0.02]}
grid_search=GridSearchCV(SVC(),param_grid,cv=5)
 
grid_search.fit(x_train_std,y_train)
 
grid_search.best_params_,grid_search.best_score_


#Gradient Boosting Decision Tree
 
param_grid={'n_estimators':[30,50,80,120,200],'learning_rate':[0.05,0.1,0.5,1],'max_depth':[1,2,3,4,5]}
grid_search=GridSearchCV(GradientBoostingClassifier(),param_grid,cv=5)
 
grid_search.fit(x_train_std,y_train)
 
grid_search.best_params_,grid_search.best_score_
 
#second round grid search
param_grid={'C':[2,4,6,8,10,12,14],'gamma':[0.008,0.01,0.012,0.015,0.02]}
grid_search=GridSearchCV(SVC(),param_grid,cv=5)
 
grid_search.fit(x_train_std,y_train)
 
grid_search.best_params_,grid_search.best_score_

 模型训练

#逻辑回归
from sklearn.linear_model import LogisticRegression
model1 = LogisticRegression()
model1.fit(x_train_std,y_train)
 
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
              intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1,
              penalty='l2', random_state=None, solver='liblinear', tol=0.0001,
              verbose=0, warm_start=False)
 
#在测试集上得出模型正确率
model1.score(x_test_std,y_test)

0.8212290502793296

pred1 = model1.predict(x_test)
score1 = model1.score(x_train,y_train)
score1
#使用训练得到的模型对pred_x的生存情况进行预测
pred_x_std=sc.fit_transform(pred_x)
pred_y=model1.predict(pred_x_std)
pred_y
array([0., 1., 0., 0., 1., 0., 1., 0., 1., 0., 0., 0., 1., 0., 1., 1., 0.,
       0., 0., 1., 0., 1., 1., 0., 0., 0., 1., 0., 0., 0., 0., 0., 1., 1.,
       0., 0., 1., 1., 0., 0., 0., 0., 0., 1., 1., 0., 0., 0., 1., 1., 0.,
       0., 1., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 1., 1., 1., 1., 1.,
       0., 0., 1., 0., 1., 0., 1., 1., 0., 1., 0., 1., 1., 0., 0., 0., 0.,
       0., 1., 1., 1., 1., 1., 0., 1., 0., 0., 0., 0., 0., 1., 0., 1., 0.,
       0., 0., 1., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1., 0., 0., 1., 1.,
       1., 1., 0., 1., 0., 0., 0., 0., 1., 0., 0., 0., 1., 0., 0., 0., 0.,
       0., 0., 1., 0., 0., 1., 0., 0., 0., 0., 1., 0., 0., 0., 1., 0., 0.,
       1., 0., 0., 1., 1., 0., 1., 1., 1., 1., 0., 0., 1., 1., 0., 1., 1.,
       0., 0., 0., 0., 0., 1., 1., 0., 1., 1., 0., 0., 1., 0., 1., 0., 1.,
       0., 0., 0., 0., 0., 1., 0., 1., 0., 1., 1., 0., 1., 1., 1., 1., 1.,
       0., 0., 1., 0., 1., 0., 0., 0., 0., 1., 0., 1., 1., 0., 1., 0., 1.,
       0., 1., 0., 1., 1., 0., 1., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0.,
       1., 1., 1., 1., 0., 0., 1., 0., 1., 0., 1., 1., 1., 0., 0., 0., 0.,
       0., 0., 0., 1., 0., 0., 0., 1., 1., 0., 0., 0., 0., 1., 0., 1., 0.,
       1., 0., 0., 1., 0., 0., 0., 0., 1., 1., 1., 1., 1., 0., 0., 0., 0.,
       0., 0., 1., 0., 0., 0., 0., 1., 0., 1., 0., 0., 0., 0., 0., 1., 1.,
       0., 1., 0., 1., 0., 0., 0., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0.,
       0., 1., 0., 1., 1., 0., 0., 1., 0., 0., 1., 0., 0., 0., 0., 0., 1.,
       0., 0., 0., 1., 1., 1., 0., 1., 0., 1., 1., 0., 0., 0., 1., 0., 1.,
       0., 0., 1., 0., 1., 1., 0., 1., 0., 0., 1., 1., 0., 0., 1., 0., 0.,
       1., 1., 0., 0., 0., 0., 0., 0., 1., 1., 0., 1., 0., 0., 0., 0., 1.,
       1., 1., 0., 0., 1., 0., 1., 0., 0., 1., 0., 1., 1., 0., 0., 0., 0.,
       1., 1., 1., 1., 1., 0., 1., 0., 0., 1.])


 
 

荔枝味啊～
关注
  • 4
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Kaggle入门-泰坦尼克号之灾（数据集+代码+结果）.zip
02-06
《Kaggle入门：探索泰坦尼克号之灾——数据集、Python代码与机器学习实践》 在数据科学的世界里，Kaggle是一项备受推崇的竞赛平台，它为初学者和专家提供了丰富的数据集和挑战，以提升数据分析和机器学习技能。本...
如何进行特征选择？
热门推荐
keepreder
08-04 1万+
特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。 特征选择主要有两个功能： 减少特征数量、降维，使模型泛化能力更强，减少过拟合增强对特征和特征值之间的理解    拿到数据集，一个特征选择方法，往往很难同时完成这两个目的。通常情况下，我们经常不管三七二十一，选择
毕业论文CRNN相关代码
liushengjun168的博客
04-29 858
毕业论文相关代码如下： import numpy as np # linear algebra import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv) #读取文件路径，看名称 import os for dirname, _, filenames in os.walk(’/kaggle/input’): i=1 print(len(filenames)) for filename in filenames: print(o
kaggle竞赛实战11——模型优化
最新发布
m0_60792028的博客
06-23 1017
def train_model(X, X_test, y, params, folds, model_type='lgb', eval_type='regression'): #用后两个参数决定模型和解决的问题类型。print('='*10,'without outliers 回归模型','='*10)如果担心异常值识别不一定准确，可以把上面的结果*0.5,再把直接求得的结果*0。print('='*10,'回归模型','='*10)print('='*10,'分类模型','='*10)
泰坦尼克号乘客存活预测详细笔记
执笔画红颜丶的博客
05-12 5565
泰坦尼克号乘客存活预测详细笔记
kaggle查看input文件路径
weixin_45564209的博客
08-21 2099
import os for dirname, _, filenames in os.walk('/kaggle/input'): for filename in filenames: print(os.path.join(dirname, filename)) import pathlib train_image = pathlib.Path('/kaggle/input/') for item in train_image.iterdir(): print(item)
kaggle经典题--“泰坦尼克号”--0.8275准确率--东北大学20级python大作业开源（附详细解法与全部代码以及实验报告）
qq_50971078的博客
12-09 5954
前言 其实参考了国外kaggle大佬的解题思路，Kaggle网站得分0.82775（TOP 1.32%）： kaggle-Titanic竞赛： Titanic竞赛 所有代码以及实验报告下载： 泰坦尼克号代码以及实验报告
kaggle之泰坦尼克号幸存者预测大赛数据
11-28
在数据分析和机器学习的世界里，Kaggle的“泰坦尼克号幸存者预测大赛”是一道经典的入门课题，它引领无数初学者迈入了这个充满挑战与机遇的领域。这个大赛要求参赛者根据提供的历史数据，预测泰坦尼克号沉船事件中...
KaggleTitanicSurvival:Kaggle 项目预测泰坦尼克号乘客的生还。 我使用 scikit-learn 的随机森林进行预测
06-15
在这个名为“KaggleTitanicSurvival”的项目中，我们主要关注的是利用机器学习方法，特别是scikit-learn库中的随机森林算法，来预测泰坦尼克号沉船事件中乘客的生存情况。这是一个经典的入门级数据科学竞赛，旨在...
初入Kaggle，泰坦尼克号遇难预测项目详解。
12-20
在本文中，我们将深入探讨如何初次接触数据科学竞赛平台Kaggle，并以经典的“泰坦尼克号”数据集为例，进行生存预测项目。这个项目是许多数据科学家的入门选择，因为它涉及基础的数据处理、特征工程和机器学习模型的...
Kaggle入门：泰坦尼克号幸存者项目-内含源码以及设计说明书(可以自己运行复现).zip
05-08
通过这个项目，你将能够学习到如何使用Python进行数据预处理、特征工程、模型训练和评估，从而预测泰坦尼克号乘客的生存概率。 1. **数据预处理**： 在这个项目中，首先你需要对数据进行预处理。这包括加载数据...
（头歌）【挑战】特征筛选：改善模型性能
qq_64377245的博客
10-29 303
基于特征重要性，筛选特征 降维，例如主成分分析PCA，线性判别分析LDA，SVD分解等；本关任务：优化数据转换方案，筛选重要的特征，或者对数据特征做合理变换，以提高分类器的性能。最大最小规范化 Z-Score规范化 归一化 映射到正态分布 稀疏数据缩放 带离群点的缩放。根据提示，在右侧编辑器补充代码，优化数据预处理方案。准确率高于0.83!
Kaggle入门题目（House Prices）完整刷题流程
weixin_44371842的博客
05-12 2573
Kaggle经典题目房价预测完整做题流程。
【Python｜Kaggle】机器学习系列之Pandas基础练习题（一）
海到无边天作岸 山登绝顶我为峰
08-13 3626
前言 Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～   自我介绍 ଘ(੭ˊᵕˋ)੭ 昵称：海轰 标签：程序猿｜C++选手｜学生 简介：因C语言结识编程，随后转入计算机专业，有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python 学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！   初学Python 小白阶段 文章仅作为自己的学习笔记 用于知识体系建立以及复习 题不在多 学一题 懂一题 知其然 知其所
Kaggle 赛题解析 | AMP 帕金森进展预测
qq_16027093的博客
04-15 570
竞赛题目：AMP®-Parkinson’s Disease Progression Prediction竞赛目标：本次比赛的目标是预测 MDS-UPDR 评分，该评分用于测量帕金森患者的病情进展。运动障碍学会赞助的统一帕金森病评分量表修订版 (MDS-UPDRS) 是对与帕金森病相关的运动和非运动症状的全面评估。您将开发一个模型，该模型以帕金森患者和正常同龄对照组中的蛋白质和肽水平随时间变化的数据为基础进行训练。您的工作可能有助于提供关于哪些分子在帕金森疾病进展过程中发生变化的重要突破性信息。
如何在Kaggle读取本地上传的文件
sweet_tea_的博客
04-11 1万+
如何在Kaggle读取本地上传的文件 1、首先上传本地文件，Kaggle会让你自己取名，这个名字即为本地文件的上一级文件夹，建议不要用下划线，容易出错，例如我取的名字为newsdata。 2、上传完毕后可以用Kaggle自带的代码来读取路径。 import os for dirname, _, filenames in os.walk('/kaggle/input'): for filename in filenames: print(os.path.join(dirname, fi
【Python】kaggle官方24道pandas练习题(附完整答案)！
fengdu78的博客
05-31 1070
公众号：尤而小屋作者：Peter编辑：Peter本文是一篇基于Kaggle上面对24道pandas练习题的讲解，原项目学习地址：https://www.kaggle.com/code/icarofreire/pandas-24-useful-exercises-with-solutions/notebookimportpandasaspd importnumpyasnp #允许多个...
向kaggle中添加包
fyrmaryt的博客
11-01 1792
1，找到tensorflow_privacy包的路径 2，打包压缩成.zip 3，采用kaggle中添加dataset的形式添加该包 4，添加： import os for dirname, _, filenames in os.walk(’/kaggle/input’): for filename in filenames: print(os.path.join(dirname, filename)) 5，添加： import sys sys.path.insert(0, ‘/kaggle/input/t
Kaggle，上传，GPU，下载
Jason-bit的博客
10-23 5545
Kaggle的基本使用
Kaggle入门实战：泰坦尼克灾难预测与FFM算法应用
- 实战例子：以经典案例泰坦尼克号灾难预测为例，参与者需预测乘客的生存概率。数据集包含乘客的基本信息（如性别、年龄、舱位等级等）和生存结果，目标是训练模型预测未知乘客的生存情况。 - 数据描述：泰坦尼克...
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

打赏作者

荔枝味啊～

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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