![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
machine learning competition
futurewq
活到老,学到老
展开
-
Titanic 模型评估
1.逻辑回归 #evaluate logisitic model X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3, random_state=2018) clf.fit(X_train, Y_train) Y_train_pred = clf.predict(X_train) Y_test_pred...原创 2019-01-10 13:38:58 · 413 阅读 · 0 评论 -
Kaggle Titanic 数据分析
拿到数据第一步,查看每个字段的意思 PassengerId 乘客id Pclass 乘客等级 Name 乘客姓名 Sex 乘客性别 Age 乘客年龄 SibSp ...原创 2019-01-05 17:37:25 · 494 阅读 · 0 评论 -
Titanic 特征工程
在之前的数据分析中将Age、Ticket、Name字段删除确实有些草率,所以先对Age字段做缺失值处理。 1.Age字段的缺失值处理 #按称谓计算各层年龄 Mr_age_mean = train_data[train_data.Name.str.contains('Mr.')]['Age'].mean() Mrs_age_mean = train_data[train_data.Name.s...原创 2019-01-06 20:50:34 · 563 阅读 · 0 评论 -
Titanic 模型调优
1.逻辑回归 #逻辑回归调优 from sklearn.linear_model.logistic import LogisticRegression from sklearn.cross_validation import train_test_split,cross_val_score from sklearn.metrics import * import matplotlib.pypl...原创 2019-01-12 11:00:43 · 282 阅读 · 0 评论 -
Titanic模型构建
1.因为逻辑回顾和支持向量机对数据的要求一样,都需要的是连续性数据。所以先使用逻辑回归和支持向量机 数据处理 train_data.Sex[train_data.Sex == 'male'] = 0 train_data.Sex[train_data.Sex == 'female'] = 1 test_data.Sex[test_data.Sex == 'male'] = 0 test_da...原创 2019-01-07 17:23:22 · 283 阅读 · 0 评论 -
Titanic 模型融合
1.投票法 #模型融合 X = train[['Pclass', 'Sex', 'SibSp', 'Parch', 'Cabin', 'Embarked', 'title', 'isalone', 'Family', 'mother', 'person', 'ticket-same', 'age', 'fare']] Y = train['Survived'] #投...原创 2019-01-13 18:24:08 · 314 阅读 · 0 评论 -
Titanic模型集成
1.使用随机森林做预测并绘制ROC曲线 X = train[['Pclass', 'Sex', 'SibSp', 'Parch', 'Cabin', 'Embarked', 'title', 'isalone', 'Family', 'mother', 'person', 'ticket-same', 'age', 'fare']] Y = train['Survi...原创 2019-01-08 13:39:00 · 252 阅读 · 0 评论