Titanic(泰坦尼克号)

泰坦尼克号的数据分析 数据分析之泰坦尼克号事件 本文就泰坦尼克号上的生还率与各个因素之间的关系进行探索。 首先,我们先在网上进行泰坦尼克号数据的下载。 然后引用python中的几个包。 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline` 然后进行... 阅读详情

最近在阅读一些AI项目,写入markdown,持续更新,算是之后也能回想起做法

项目 https://github.com/calssion/Fun_AI

 

Titanic: Machine Learning from Disaster(泰坦尼克号:从灾难中机器学习)

kaggle:Titanic(比赛地址) https://www.kaggle.com/c/titanic#evaluation

tutorial(教程):https://www.kaggle.com/acsrikar279/titanic-higher-score-using-kneighborsclassifier

after trying so many models and others' kernal, I find a good score is using KNN, you may see some score on the leaderboard > 0.9, but I believe that their models are already overfitting to the test giving by kaggle。
(尝试过不同的模型和kernal之后,我发现能取得很好的评分的一种模型是采用KNN,或许你会看到排行榜上一些评分>0.9,但我认为他们的模型已经对于kaggle给出的test过拟合了)

Goal(目标)

It is your job to predict if a passenger survived the sinking of the Titanic or not.(你的任务预测一位乘客在泰坦尼克沉船事故中是否能够生还)
For each PassengerId in the test set, you must predict a 0 or 1 value for the Survived variable.(对于每个在测试集的乘客ID,你需要预测生还变量0或1)

Metric(评价)

Your score is the percentage of passengers you correctly predict. This is known simply as "accuracy”.(你的得分是对于乘客的正确预测,即准确率)

KNeighborsClassifier(K近邻分类算法)

data preprocessing(数据预处理)

data['Title'] = data['Name']
for name_string in data['Name']:
  data['Title'] = data['Name'].str.extract('([A-Za-z]+).', expand=True)
data['Title'].value_counts()

image
the columns 'name' has various kinds,we need to combine some kinds with few nums(名字的列有很多不同的种类,我们需要合并一些数量较少的种类)

and add a new column ‘familysize’(添加一个家庭成员数量)

data['Family_Size'] = data['Parch'] + data['SibSp']

impute the missing values(填充缺失值)

LabelEncoder ‘ticket’、‘fare’、‘AgeBin’、‘sex’ and do some trick(数值化列并处理)

now find the best parameters of KNN(现在寻找KNN的最佳参数)

n_neighbors = [6,7,8,9,10,11,12,14,16,18,20,22]
algorithm = ['auto']
weights = ['uniform', 'distance']
leaf_size = list(range(1,50,5))
hyperparams = {'algorithm': algorithm,   'weights': weights,
  'leaf_size': leaf_size,
  'n_neighbors': n_neighbors}
gd=
  GridSearchCV(
   estimator = KNeighborsClassifier(),
   param_grid = hyperparams,
   verbose=True,
   cv=10, scoring = "roc_auc") gd.fit(X, y)

get the score of 0.83253

泰坦尼克号数据分析python实战 泰坦尼克号数据分析python实战 问题:分析哪些变量和存活率有关 (单因素分析) 数据集:kaggle上的泰坦尼克号数据集 主要字段有: PassengerId:乘客的ID Survived:是否存活(1为存活,0为死亡) Pclass:船舱等级 Name:乘客姓名 Sex:乘客性别 Age:乘客年龄 SibSp:兄弟姐妹(有些乘客可能带兄弟姐妹一起上船) Parch:父母小孩(同上) Tick... 阅读详情

相关推荐

泰坦尼克号Titanic生存分析(SPSS、R)

目录泰坦尼克号Titanic生存分析查看数据基本信息分析查看其它因子下的存活率情况:缺失值处理相关性分析建立Logistic模型模型改进 泰坦尼克号Titanic生存分析 记录使用Titanic数据进行分析的过程(新手一个) - 简单介绍Logistic回归 Logistic回归(Logistic regression,对数线性模型) 与多重线性回归有很多相同之处,最大区别就在于他们之间的因变量不同,它将线性回归结果,通过Logistic函数生成概率,从而进行分类。 尽管Logistic函数是非线性的(S

m0_46352099的博客 6997

项目--泰坦尼克号

泰坦尼克号 本文将从六个部分对泰坦尼克号的数据进行分析,分别为提出问题、理解数据、数据清洗、构建模型、模型评估和实施方案。 一、提出问题 在泰坦尼克号沉船事件中,有人幸存了、有人牺牲,那有什么因素会影响到成员的幸存几率了?这就是问题所在。所以,实验中会提供两份数据列表,一份是带有分类结果的有多项特征(因素)的数据,然后用前一份数据(之后称为训练数据)来训练学习模型,后一份数据(之后称为测试数据),用在学习模型上得到测试结果(就是分类测试数据) 二、理解数据 2.1 导入工具包和数据 2.2 查看数据

weixin_44361900的博客 1591

泰坦尼克号python_Titanic(python)

数据集中共有12个字段,PassengerId:乘客编号,Survived:乘客是否存活,Pclass:乘客所在的船舱等级;Name:乘客姓名,Sex:乘客性别,Age:乘客年龄,SibSp:乘客的兄弟姐妹和配偶数量,Parch:乘客的父母与子女数量,Ticket:票的编号,Fare:票价,Cabin:座位号,Embarked:乘客登船码头,共有891位乘客的数据信息。其中277位乘客的年龄数据缺...

weixin_39611754的博客 1007

泰坦尼克号数据挖掘项目实战——Task1 数据分析

参考资料:https://www.bilibili.com/video/av27536643 https://blog.csdn.net/aaronjny/article/details/79735998 https://github.com/AaronJny/simple_titanic https://zhuanlan.zhihu.com/p/30538352 https://www....

不积跬步,无以至千里 6515

泰坦尼克号(titanic)数据集字段解释、数据导入实战

泰坦尼克号(titanic)数据集字段解释、数据导入实战 目录 泰坦尼克号(titanic)数据集字段解释、数据导入实战 #数据字段说明 #导入数据 #数据字段说明 # 尽管在沉船事件中幸存下有‘一些运气’因素,但有些人比其他人更容易存活下来,比如女人,孩子和上流社会。 # “最惨的是下流社会的男人”,至少在西方社会是这样的。 #同时也看到了人道的光辉。 passengerid: 乘客 ID class: 舱位等级 (1 = 1st, 2 = 2nd, 3 = 3rd)** name

data+scenario+science+insight 4870

Kaggle——泰坦尼克号(Titanic: Machine Learning from Disaster)详细过程

一、简介 1.数据 (1)训练集(train.csv) (2)测试集(test.csv) (3)提交文件示例(gender_submission.csv) 对于训练集,我们为每位乘客提供结果。模型将基于乘客的性别和阶级等“特征”也可以使用特征工程来创建新特征。我们要做的就是对于测试集中的每个乘客,使用训练的模型来预测他们是否在泰坦尼克号沉没中幸存下来。 2.属性说明 属性 说明 PassengerId 乘客ID Survived 是否获救,1为是,0为否 Pclass 乘客票务舱,1

weixin_45980783的博客 3555

Kaggle竞赛 —— 泰坦尼克号(Titanic)

kaggle Titanic数据分析

massquantity的博客 2万+

Titanic(泰坦尼克号数据集)

原文: Overview The data has been split into two groups: training set (train.csv) test set (test.csv) The training setshould be used to build your machine learning models. For the training set, we provide the outcome (also known as the “ground tr.

不务正业的猿 3825

【Kaggle】泰坦尼克号生存预测 Titanic

(其中 Version 1-3 含有分析过程,文末仅贴有逻辑回归模型的完整 python 代码)训练集(train.csv)测试集(test.csv)训练集:包含机上部分乘客(确切地说是 891 名)的详细信息,重要的是,将揭示他们是否幸存,也称为“基本事实”。测试集:包含类似的信息,但没有披露每位乘客的“基本事实”。预测这些结果是你的工作。列名含义乘客编号Survived生存情况(0:死亡,1:存活)Pclass客舱等级Name姓名Sex性别Age年龄SibSp。

撕得失败的标签的博客 3448

泰坦尼克数据集(titanic.csv)

泰坦尼克号2201人员的csv数据集。 主要特征有:PassengerId、Pclass、Name 、Sex、Age 、SibSp、 Parch、Ticket 、Fare 、Cabin 、Embarked

机器学习项目实战:泰坦尼克号获救预测 训练数据和测试数据 完整版

机器学习实例不多,泰坦尼克号获救测试是一个比较好的,可是苦于没有训练数据,最近出去下载下来了,与诸君分享。

通俗易懂的泰坦尼克号生存分析(titanic)

作者:离散梦 欢迎大家给出宝贵的建议!   泰坦尼克号数据分析   一、前言          主要目的是整理自己的思路。本文主要是关于泰坦尼克号生存率python分析,因为很多博客做这个项目都比较深入,感觉都比较高大上,我们初学者并不一定都能懂,甚至没兴趣看下去。这文章,也是从视频上学了之后,发现很不错,通俗易懂,非常推荐入门。我们可以共同学习。非常希望有人愿意指出我的不足。  ...

离散梦 2万+

泰坦尼克号

泰坦尼克号

泰坦尼克号生存率预测 Titanic

这是Kaggle上的泰坦尼克号生存率预测的一个案例。用来学习机器学习。

2303_76864056的博客 771

泰坦尼克号.zip

使用机器学习算法预测泰坦尼克号存活概率分析,源码为jupter notebook格式,从数据预处理到可视化展示,特征相关性分析,到最后的几种算法预测准确率对比

泰坦尼克号预测生存概率数据集

里面包含训练集和测试集,总共1200多条数据,涉及年龄,性别,船仓号等信息可用于数据挖掘

Kaggle —— 泰坦尼克号Titanic

1. 数据总览 Titanic 生存模型预测,其中包含了两组数据:train.csv 和 test.csv,分别为训练集合和测试集合。 import re import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.f...

starter_____的博客 1998

泰坦尼克号生存预测 数据集 titanic

泰坦尼克号生存预测项目指南 1. 数据理解 数据集构成: 训练集(train.csv):包含乘客的特征和生存情况。 测试集(test.csv):包含乘客的特征,但没有生存情况,需要预测。 示例提交文件(gender_submission.csv):假设所有女性都存活的预测结果。 变量定义: survival:生存情况,0表示未生存,1表示生存。 pclass:票类,1表示上等,2表示中等,3表示下等。 sex:性别。 age:年龄,小于1岁的小数表示。 sibsp:船上兄弟姐妹/配偶数量。 parch:船上父母/子女数量。 ticket:票号。 fare:票价。 cabin:舱位号。 embarked:登船港口,C表示瑟堡,Q表示皇后镇,S表示南安普顿。 2. 数据预处理 探索性数据分析(EDA): 使用Pandas和Matplotlib库加载数据,检查数据结构和缺失值。 分析各特征与生存率之间的关系,例如性别、年龄、舱位对生存的影响。 缺失值处理: 对age列的缺失值,可以使用均值或中位数填充。 cabin列缺失值较多,可以考虑创建一个新的二元

上一篇: house_price(房价预测)
下一篇: Digit Recognizer(数字识别)
流左沙
博客等级 码龄11年 46粉丝 55原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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