Kaggle泰坦尼克号项目初探

最新推荐文章于 2024-05-09 10:20:11 发布
最新推荐文章于 2024-05-09 10:20:11 发布
阅读量656 收藏 4
点赞数 1
分类专栏： Kaggle项目 文章标签： 数据挖掘 机器学习 svm
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/weixin_42143615/article/details/108632658
版权

一、项目介绍

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，在她的处女航中，被广泛认为的“沉没” RMS泰坦尼克号与冰山相撞后沉没。不幸的是，船上没有足够的救生艇供所有人使用，导致2224名乘客和机组人员中的1502人死亡。虽然幸存有一些运气，但似乎有些人比其他人更有可能生存。在这一挑战中，我们要求您建立一个预测模型来回答以下问题：“什么样的人更有可能生存？” 使用乘客数据（即姓名，年龄，性别，社会经济舱等）。

二、项目步骤

1、导入库

import numpy as np              #科学计算
import pandas as pd             #数据分析
import seaborn as sns           #数据可视化
import matplotlib.pyplot as plt #数据可视化

%matplotlib inline

train = pd.read_csv('train.csv')
test  = pd.read_csv('test.csv')

train.head()
PassengerIdSurvivedPclassNameSexAgeSibSpParchTicketFareCabinEmbarked
0103Braund, Mr. Owen Harrismale22.010A/5 211717.2500NaNS
1211Cumings, Mrs. John Bradley (Florence Briggs Th...female38.010PC 1759971.2833C85C
2313Heikkinen, Miss. Lainafemale26.000STON/O2. 31012827.9250NaNS
3411Futrelle, Mrs. Jacques Heath (Lily May Peel)female35.01011380353.1000C123S
4503Allen, Mr. William Henrymale35.0003734508.0500NaNS

PassengerId–乘客ID

Pclass-------乘客等级(1/2/3等舱位)

Name---------乘客姓名

Sex----------性别

Age----------年龄

SibSp--------堂兄弟/妹个数

Parch--------父母与小孩个数

Ticket-------船票信息

Fare---------票价

Cabin--------客舱

Embarked-----登船港口

train.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            714 non-null float64
SibSp          891 non-null int64
Parch          891 non-null int64
Ticket         891 non-null object
Fare           891 non-null float64
Cabin          204 non-null object
Embarked       889 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB

2、数据预处理

数据清理中最常用的技术是填充缺失数据。根据经验来讲，分类数据只能用众数，连续数据可以用中位数或平均数。
所以我们用众数来填充登船地数据，用中位数来填充年龄数据。缺失值较大的一般是暂时不考虑。当然，连续值还可以通过数据拟合来填充缺失数据。

train['Embarked'].fillna(train['Embarked'].mode()[0], inplace = True)
train['Age'].fillna(train['Age'].median(), inplace = True)
test['Age'].fillna(train['Age'].median(), inplace = True)
test['Fare'].fillna(train['Fare'].mode()[0], inplace = True)
test.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 418 entries, 0 to 417
Data columns (total 11 columns):
PassengerId    418 non-null int64
Pclass         418 non-null int64
Name           418 non-null object
Sex            418 non-null object
Age            418 non-null float64
SibSp          418 non-null int64
Parch          418 non-null int64
Ticket         418 non-null object
Fare           418 non-null float64
Cabin          91 non-null object
Embarked       418 non-null object
dtypes: float64(2), int64(4), object(5)
memory usage: 36.0+ KB

train.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            891 non-null float64
SibSp          891 non-null int64
Parch          891 non-null int64
Ticket         891 non-null object
Fare           891 non-null float64
Cabin          204 non-null object
Embarked       891 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB

3、特征工程

3.1 幸存者与遇难者年龄分布

plt.hist(x = [train[train['Survived']==1]['Age'], train[train['Survived']==0]['Age']], 
         stacked=True, color = ['b','r'],label = ['Survived','Dead'])
plt.title('Age Histogram by Survival')
plt.xlabel('Age (Years)')
plt.ylabel('# of Passengers')
plt.legend()

<matplotlib.legend.Legend at 0x291c2f02b38>

在这里插入图片描述

从上述图表可以看出：

1、老年人遇难的比例最高

2、青年的遇难数量占遇难者的大部分，这是因为青年人比例占总人数中最多

3、青年的幸存者数量占幸存者的大部分

4、0-10岁儿童幸存比例最高

3.2 客等级与幸存关系

plt.hist(x = [train[train['Survived']==1]['Pclass'], train[train['Survived']==0]['Pclass']], 
         stacked=True, color = ['b','r'],label = ['Survived','Dead'])
plt.xticks([1,2,3])
plt.title('Pclass Histogram by Survival')
plt.xlabel('Pclass ')
plt.ylabel('# of Passengers')
plt.legend()

<matplotlib.legend.Legend at 0x291c2fbdb00>

在这里插入图片描述

从上述图表可以看出：

1、第三等级的乘客遇难率最高，遇难人数最多，乘客数也是最多；

2、第一等级乘客遇难率最低，幸存率最高，生还人数最多；

3.3 家庭人数与幸存关系

train['family_size']=train['SibSp']+train['Parch']+1
train.family_size.unique()
y=train[['family_size', 'Survived']].groupby(['family_size'],as_index=False).sum()
y.plot.bar(x='family_size',rot=45)

<matplotlib.axes._subplots.AxesSubplot at 0x291c3026f98>


plt.hist(x = [train[train['Survived']==1]['family_size'], train[train['Survived']==0]['family_size']], 
         stacked=True, color = ['b','r'],label = ['Survived','Dead'])
# plt.xticks([1,  2,  3,  4,  5,  6,  7,  8, 11])
plt.title('family_size Histogram by Survival')
plt.xlabel('family_size ')
plt.ylabel('# of Passengers')
plt.legend()

<matplotlib.legend.Legend at 0x291bf207ba8>

在这里插入图片描述

从上图可看出：

1、单身人士遇难人数最多，单身乘客数最多，生还人数最多；

2、家庭人数大于4人的家庭，遇难率最高，生还的可能性较小；

3、4人家庭的生还率是最高的；

3.4 登录港口与幸存关系

plt.hist(x = [train[train['Survived']==1]['Embarked'], train[train['Survived']==0]['Embarked']], 
         stacked=True, color = ['b','r'],label = ['Survived','Dead'])
plt.title('Embarked Histogram by Survival')
plt.xlabel('Embaeked ')
plt.ylabel('# of Passengers')
plt.legend()

<matplotlib.legend.Legend at 0x291c31041d0>

在这里插入图片描述

train=train.drop(['family_size'],1)
train.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            891 non-null float64
SibSp          891 non-null int64
Parch          891 non-null int64
Ticket         891 non-null object
Fare           891 non-null float64
Cabin          204 non-null object
Embarked       891 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB

train.head()
PassengerIdSurvivedPclassNameSexAgeSibSpParchTicketFareCabinEmbarked
0103Braund, Mr. Owen Harrismale22.010A/5 211717.2500NaNS
1211Cumings, Mrs. John Bradley (Florence Briggs Th...female38.010PC 1759971.2833C85C
2313Heikkinen, Miss. Lainafemale26.000STON/O2. 31012827.9250NaNS
3411Futrelle, Mrs. Jacques Heath (Lily May Peel)female35.01011380353.1000C123S
4503Allen, Mr. William Henrymale35.0003734508.0500NaNS

4、特征值处理

4.1 合并数据集，便于进行特征处理

full=train.append(test,ignore_index=True,sort=False)
full.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1309 entries, 0 to 1308
Data columns (total 12 columns):
PassengerId    1309 non-null int64
Survived       891 non-null float64
Pclass         1309 non-null int64
Name           1309 non-null object
Sex            1309 non-null object
Age            1309 non-null float64
SibSp          1309 non-null int64
Parch          1309 non-null int64
Ticket         1309 non-null object
Fare           1309 non-null float64
Cabin          295 non-null object
Embarked       1309 non-null object
dtypes: float64(3), int64(4), object(5)
memory usage: 122.8+ KB

将Cabin分为有值和无值两类

def set_Cabin_type(df):
    df.loc[ (df.Cabin.notnull()), 'Cabin' ] = "Yes"
    df.loc[ (df.Cabin.isnull()), 'Cabin' ] = "No"
    return df

full = set_Cabin_type(full)
full.head()
PassengerIdSurvivedPclassNameSexAgeSibSpParchTicketFareCabinEmbarked
010.03Braund, Mr. Owen Harrismale22.010A/5 211717.2500NoS
121.01Cumings, Mrs. John Bradley (Florence Briggs Th...female38.010PC 1759971.2833YesC
231.03Heikkinen, Miss. Lainafemale26.000STON/O2. 31012827.9250NoS
341.01Futrelle, Mrs. Jacques Heath (Lily May Peel)female35.01011380353.1000YesS
450.03Allen, Mr. William Henrymale35.0003734508.0500NoS
full=full.drop(['Ticket','PassengerId','Name'],axis=1)
full.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1309 entries, 0 to 1308
Data columns (total 9 columns):
Survived    891 non-null float64
Pclass      1309 non-null int64
Sex         1309 non-null object
Age         1309 non-null float64
SibSp       1309 non-null int64
Parch       1309 non-null int64
Fare        1309 non-null float64
Cabin       1309 non-null object
Embarked    1309 non-null object
dtypes: float64(3), int64(3), object(3)
memory usage: 92.1+ KB

4.2 数据变换及离散化处理

性别离散化：

set_map={'male':1,
        'female':0}
full['Sex']=full['Sex'].map(set_map)
set_map={'Yes':1,
        'No':0}
full['Cabin']=full['Cabin'].map(set_map)
full.head()
SurvivedPclassSexAgeSibSpParchFareCabinEmbarked
00.03122.0107.25000S
11.01038.01071.28331C
21.03026.0007.92500S
31.01035.01053.10001S
40.03135.0008.05000S
pclass=pd.DataFrame()
pclass=pd.get_dummies(full['Pclass'],prefix='Pclass')
pclass.head()
Pclass_1Pclass_2Pclass_3
0001
1100
2001
3100
4001
full=pd.concat([full,pclass],axis=1)
full=full.drop(['Pclass'],axis=1)

embarked=pd.DataFrame()
embarked=pd.get_dummies(full['Embarked'],prefix='Embarked')
embarked.head()
Embarked_CEmbarked_QEmbarked_S
0001
1100
2001
3001
4001
full=pd.concat([full,embarked],axis=1)
full=full.drop(['Embarked'],axis=1)
full.head()
SurvivedSexAgeSibSpParchFareCabinPclass_1Pclass_2Pclass_3Embarked_CEmbarked_QEmbarked_S
00.0122.0107.25000001001
11.0038.01071.28331100100
21.0026.0007.92500001001
31.0035.01053.10001100001
40.0135.0008.05000001001
family=pd.DataFrame()
family['family_size']=full['SibSp']+full['Parch']+1
family['family_sigle']=family['family_size'].map(lambda s: 1 if s==1 else 0)
family['family_small']=family['family_size'].map(lambda s:1 if 2<=s<=4 else 0)
family['family_large']=family['family_size'].map(lambda s:1 if s>=5 else 0)
family.head()
family_sizefamily_siglefamily_smallfamily_large
02010
12010
21100
32010
41100
full=pd.concat([full,family],axis=1)
full=full.drop(['SibSp','Parch','family_size'],axis=1)
full.head()
SurvivedSexAgeFareCabinPclass_1Pclass_2Pclass_3Embarked_CEmbarked_QEmbarked_Sfamily_siglefamily_smallfamily_large
00.0122.07.25000001001010
11.0038.071.28331100100010
21.0026.07.92500001001100
31.0035.053.10001100001010
40.0135.08.05000001001100
age=pd.DataFrame()
age['child']=full['Age'].map(lambda s:1 if 0<s<=6 else 0)
age['teen']=full['Age'].map(lambda s:1 if 6<s<=18 else 0)
age['younth']=full['Age'].map(lambda s:1 if 18<s<=40 else 0)
age['mid']=full['Age'].map(lambda s:1 if 40<s<=60 else 0)
age['old']=full['Age'].map(lambda s:1 if s>60 else 0)
age.head()
childteenyounthmidold
000100
100100
200100
300100
400100
full=pd.concat([full,age],axis=1)
full=full.drop(['Age'],axis=1)
full.head()
SurvivedSexFareCabinPclass_1Pclass_2Pclass_3Embarked_CEmbarked_QEmbarked_Sfamily_siglefamily_smallfamily_largechildteenyounthmidold
00.017.2500000100101000100
11.0071.2833110010001000100
21.007.9250000100110000100
31.0053.1000110000101000100
40.018.0500000100110000100
import sklearn.preprocessing as preprocessing
scaler = preprocessing.StandardScaler()
fare_scale_param = scaler.fit(full['Fare'].values.reshape(-1,1))
full['Fare'] = scaler.fit_transform(full['Fare'].values.reshape(-1,1), fare_scale_param)
full.head()
SurvivedSexFareCabinPclass_1Pclass_2Pclass_3Embarked_CEmbarked_QEmbarked_Sfamily_siglefamily_smallfamily_largechildteenyounthmidold
00.01-0.503176000100101000100
11.000.734809110010001000100
21.00-0.490126000100110000100
31.000.383263110000101000100
40.01-0.487709000100110000100

4.3 将训练集和预测集分离

train=full.loc[:890]
test_=full.loc[891:]
x_train=train.drop(['Survived'],axis=1)
x_train.head()
SexFareCabinPclass_1Pclass_2Pclass_3Embarked_CEmbarked_QEmbarked_Sfamily_siglefamily_smallfamily_largechildteenyounthmidold
01-0.503176000100101000100
100.734809110010001000100
20-0.490126000100110000100
300.383263110000101000100
41-0.487709000100110000100
y_train=train['Survived'].astype(int)
y_train.head()

0    0
1    1
2    1
3    1
4    0
Name: Survived, dtype: int32

test_=test_.drop(['Survived'],axis=1)
test_.head()
SexFareCabinPclass_1Pclass_2Pclass_3Embarked_CEmbarked_QEmbarked_Sfamily_siglefamily_smallfamily_largechildteenyounthmidold
8911-0.491978000101010000100
8920-0.508010000100101000010
8931-0.456051001001010000001
8941-0.475868000100110000100
8950-0.405784000100101000100

5、建立模型

from sklearn.model_selection import train_test_split#这个模块主要是对数据的分割,以及与数据划分相关的功能

from sklearn.linear_model import LogisticRegression#线性模型，逻辑回归
from sklearn.tree import DecisionTreeClassifier #树模型，决策树
from sklearn.ensemble import RandomForestClassifier#集成模型，随机森林RF
from xgboost import XGBClassifier
from lightgbm import LGBMClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.svm import SVC
from sklearn.model_selection import cross_val_score #交叉验证指标
from sklearn.metrics import confusion_matrix,precision_score,accuracy_score,mean_squared_error,classification_report #各种评价模型效果的指标

#训练集测试集划分
t1_x,t2_x,t1_y,t2_y=train_test_split(x_train,y_train,test_size=0.3,random_state=11)

#模型选择
models=[LogisticRegression(),DecisionTreeClassifier(),RandomForestClassifier(),
        XGBClassifier(),LGBMClassifier(),KNeighborsClassifier(),SVC()]

D:\soft\ANACONDA\lib\site-packages\dask\config.py:168: YAMLLoadWarning: calling yaml.load() without Loader=... is deprecated, as the default Loader is unsafe. Please read https://msg.pyyaml.org/load for full details.
  data = yaml.load(f.read()) or {}
D:\soft\ANACONDA\lib\site-packages\distributed\config.py:20: YAMLLoadWarning: calling yaml.load() without Loader=... is deprecated, as the default Loader is unsafe. Please read https://msg.pyyaml.org/load for full details.
  defaults = yaml.load(f)

# evaluate models by using cross-validation
names=['LR','Tree','RF','XGBC','LGBC','KNN','SVM']
for name, model in zip(names,models):
    score=cross_val_score(model,t1_x,t1_y,cv=5)
    print("{}:{},{}".format(name,score.mean(),score))

LR:0.7960387096774193,[0.768      0.832      0.856      0.80645161 0.71774194]
Tree:0.8057419354838709,[0.776      0.808      0.856      0.83064516 0.75806452]
RF:0.7993032258064515,[0.752      0.832      0.848      0.80645161 0.75806452]
XGBC:0.8137290322580645,[0.8        0.832      0.856      0.80645161 0.77419355]
LGBC:0.8217806451612903,[0.808      0.824      0.864      0.80645161 0.80645161]
KNN:0.7799870967741935,[0.76       0.816      0.832      0.7983871  0.69354839]
SVM:0.8073161290322581,[0.792      0.84       0.832      0.81451613 0.75806452]

# evaluate models by using cross-validation
names=['LR','Tree','RF','XGBC','LGBC','KNN','SVM']
for name, model in zip(names,models):
    score=cross_val_score(model,t2_x,t2_y,cv=5)
    print("{}:{},{}".format(name,score.mean(),score))

LR:0.8354996505939901,[0.83333333 0.90740741 0.85185185 0.83018868 0.75471698]
Tree:0.7908455625436759,[0.7962963  0.85185185 0.77777778 0.73584906 0.79245283]
RF:0.7986722571628231,[0.77777778 0.7962963  0.77777778 0.79245283 0.8490566 ]
XGBC:0.7986023759608665,[0.81481481 0.81481481 0.74074074 0.77358491 0.8490566 ]
LGBC:0.8245981830887491,[0.77777778 0.90740741 0.7962963  0.81132075 0.83018868]
KNN:0.801956673654787,[0.83333333 0.85185185 0.7962963  0.71698113 0.81132075]
SVM:0.8579315164220824,[0.85185185 0.92592593 0.87037037 0.81132075 0.83018868]

6、模型融合

from sklearn.ensemble import VotingClassifier
LR = LogisticRegression()
Tree = DecisionTreeClassifier()
RF = RandomForestClassifier()
XGBC = XGBClassifier()
LGBC = LGBMClassifier()
KNN = KNeighborsClassifier()
SVM = SVC()
eclf=VotingClassifier([('LR',LR),('Tree',Tree),('RF',RF),('XGBC',XGBC),('LGBC',LGBC),
                       ('KNN',KNN),('SVM',SVM)],voting='hard',n_jobs=-1)
eclf.fit(t1_x,t1_y)
eclf.score(t2_x,t2_y)

0.8582089552238806

result=eclf.predict(test_)
submission = pd.DataFrame({
        "PassengerId": test["PassengerId"],
        "Survived": result
    })
submission.to_csv('submission.csv', index=False)
L_彳亍
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【数据挖掘】Kaggle泰坦尼克号分类与预测
Alex_SCY的博客
11-04 4196
一：题目解读 1.1数据读取 读取训练集的数据。 data = pd.read_csv('data/train.csv') data.head() 1.2字段解释 PassengerId: 乘客ID Survived: 是否生存，0代表遇难，1代表还活着 Pclass: 船舱等级：1Upper，2Middle，3Lower Name: 姓名 Sex: 性别 Age: 年龄 SibSp: 兄弟姐妹及配偶个数 Parch:父母或子女个数 Ticket: 乘客的船票号 Fare: 乘客的船票价 Cabin:
Kaggle系列（一）：Spaceship Titanic（太空飞船泰坦尼克）
zed_faker1的博客
03-09 6462
Kaggle系列（一）：Spaceship Titanic（太空泰坦尼克）
Kaggle入门-泰坦尼克号数据及代码
最新发布
qq_55542491的博客
05-09 190
本文讲述了kaggle入门级别的竞赛：泰坦尼克号，有提及如何下载数据，附带有思路和代码解析
python数据分析实战：使用Lightgbm解决二分类预测问题以泰坦尼克号数据为例
BernardDong的博客
07-05 4995
来自于kaggle上的一个经典比赛，使用Lightgbm进行分类预测。 自建函数，进行5折交叉验证，计算平均准确率。 网格调参 自建函数，最大化准确率，挑选最优参数集。 得到的结果为 预测后结果上传到kaggle。 准确率0.77，排名9994。😅lightgbm使用C++实现，为python提供了接口，分为了lightgbm naive API，以及为了和机器学习最常用的库sklearn一致而提供的sk...
Kaggle-泰坦尼克号项目 | 小白修炼之路的开始
m0_74945352的博客
12-07 2018
作为一名萌生转行想法大概2个月的小白，第一个月艰难的学习了execl，python，mysql的基础用法，第二个月开始尝试在不断学习的过程中，增加一些实践的部分，所以这篇文章就诞生了！所以也就是说这篇文章菲比个人开启自己转行之路的里程碑式文章，哈哈哈！
【机器学习kaggle赛事】泰坦尼克号生存预测
m0_51933492的博客
09-22 5597
回顾这个项目的基本流程：1、查看数据集，合并训练集测试集以一起进行数据清洗2、数据清洗：查看数据集空缺值，并填充空缺值3、探索性可视化：通过透视表和图表，探究各个特征与label（需要预测的值）的相关性，若有相关性则保留。4、特征选择：通过相关系数来选择。
Kaggle泰坦尼克号数据集.zip
02-02
题目提供的训练数据集包含11个特征，分别是： Survived:0代表死亡，1代表存活 Pclass:乘客所持票类，有三种值(1,2,3) Name:乘客姓名 Sex:乘客性别 Age:乘客年龄(有缺失) SibSp:乘客兄弟姐妹/配偶的个数(整数值) ...
kaggle泰坦尼克号预测
10-24
kaggle泰坦尼克号预测，新手入门，可以看看框架，看看流程
Kaggle泰坦尼克号生存预测 Titanic
01-23
【Kaggle】泰坦尼克号生存预测 Titanic。score：0.80861，含有 jupyter notebook、csv 和 python 文件，代码内含有 EDA（Exploratory Data Analysis） 分析过程，使用模型有：逻辑回归模型（Logistic Regression）、...
Kaggle泰坦尼克号数据集(测试集和训练集)
08-16
泰坦尼克号数据集是机器学习领域中的一个经典案例，源自著名的Kaggle竞赛。这个数据集分为训练集（train.csv）和测试集（test.csv），旨在预测泰坦尼克号乘客在1912年灾难中的生存情况。通过对这些数据的分析，我们...
Python对Kaggle泰坦尼克号预测.zip
06-16
资源包含文件：报告word+代码 对于训练集，每次取训练集的一个subset，做训练，这样，虽然用的是同一个机器学习算法，但是得到的模型却是不一样的；同时，因为我们没有任何一份子数据集是全的，因此即使出现过拟合，...
基于简单模型KNN——泰坦尼克号获救分析
12-20
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 : 年龄 SibSp : 同乘的兄弟姐妹/配偶数 Parch : 同乘的父母/小孩数 Ticket : 船票编号 Fare : 船票价格 Cabin
Kaggle泰坦尼克号比赛项目详解
coffeetogether的博客
06-28 3817
Kaggle泰坦尼克号比赛项目详解 项目背景 1、泰坦尼克号：英国白星航运公司下辖的一艘奥林匹克级邮轮，于1909年3月31日在爱尔兰贝尔法斯特港的哈兰德与沃尔夫造船厂动工建造，1911年5月31日下水，1912年4月2日完工试航。 2、首航时间：1912年4月10日 3、航线：从英国南安普敦出发，途经法国瑟堡-奥克特维尔以及爱尔兰昆士敦，驶向美国纽约。 4、沉船：1912年4月15日（1912年4月14日23时40分左右撞击冰山） 船员+乘客人数：2224 5、遇难人数：1502（67.5%） 目标 根据
【六 （5）机器学习-分类任务-kaggle泰坦尼克号宇宙飞船实战】
weixin_42924611的博客
04-11 1900
分类任务是机器学习中的一个基本任务，其核心目的是根据输入数据的特征，将数据分配到预先定义的类别或标签中。在分类任务中，首先会收到一个包含多个属性的数据集，每个数据点或记录都由一组属性（特征）和一个类标号（目标属性）组成，类标号是用于指示数据点所属类别的一组离散值。分类任务的目标是学习一个目标函数（也称为分类模型），该函数能够将数据集中的每个属性集映射到一个特定的类标号。这个分类模型可以用于描述性建模，解释不同类中的对象，也可以用于预测性建模，预测新数据的类标号。
浅谈项目管理旧铁三角和新铁三角
weixin_41447442的博客
01-03 4250
随着互联网变成公众生活中不可缺少的部分，软件系统的应 用比当年多出了百倍，而质量成本依然是软件项目的杀手。软件产品的需求比以往更加 难于控制，需求蔓延（requirement creep）是软件开发中最常见的风险之一。IT行业 技术变化之快远超其他行业，学习新的技术、方法是软件工程师常态工作的一部分。 根据这些问题，在这次会议上首次提出了“软件危机”的问题。会后不久，Winston Royce根据制造业的实践，提出了一个至今依然影响软件业的开发模式—瀑布式软件开发生命周期，希望能够借鉴其他行业的经
机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾
iteye_2022的博客
11-12 5457
作者： 寒小阳 &amp;&amp;龙心尘 时间：2015年11月。 出处：http://blog.csdn.net/han_xiaoyang/article/details/49797143 声明：版权所有，转载请注明出处，谢谢。 1.引言 先说一句，年末双十一什么的一来，真是非(mang)常(cheng)欢(gou)乐(le)！然后push自己抽出时间来写这篇blog的原因也非...
机器学习初级项目--泰坦尼克号预测案例
不曾走远的博客
08-22 6087
其实泰坦尼克的预测案例网上有很多，毕竟这是专栏的第一个实战项目，很有必要记录下来， 待以后学的更深的时候，看能不能改进模型的准确率。
Kaggle项目案例分析 泰坦尼克号生存预测
kellyshan123的博客
04-18 1181
一、数据来源及说明 1.1 数据来源  来自Kaggle的非常经典数据项目   Titanic：Machine Learning 1.2 数据说明 数据包含train.csv 和test.csv 两个文件数据集，一个训练用，一个测试用。train文档数据是用来分析和建模，包含泰坦尼克号乘  客的各项基本信息变量和生存情况；test数据是用来最终预测其生存情况并生成结果文件。二、分析思路 本项目主要...
Kaggle-Titanic入门教程1
gemmax的博客
05-28 1474
序言 这篇文章翻译自Titanic Data Science Solutions 这篇文章带我们浏览了对于解决Kaggle这样的数据科学竞赛的典型工作流程。 在Kaggle的Kernels里有很多优秀的notebook来学习实际的数据科学竞赛。然而多数将跳过一些对于答案的发展（产生）过程的解释，这些notebook是专家为专家提供的。(However many will skip some ...
kaggle泰坦尼克号代码
11-27
Kaggle泰坦尼克号代码是指在Kaggle平台上针对泰坦尼克号数据集...总的来说，Kaggle泰坦尼克号代码是一个非常实际的数据科学项目，通过这个项目，我们可以学习到许多数据处理和机器学习的技巧，提升自己的数据科学能力。

“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