[机器学习] Titannic存活预测工作流程

最新推荐文章于 2021-01-18 14:03:28 发布
最新推荐文章于 2021-01-18 14:03:28 发布
阅读量314 收藏
点赞数
分类专栏： 机器学习
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.youkuaiyun.com/guohua1992/article/details/79482543
版权

[机器学习] Titannic存活预测工作流程

src="http://nbviewer.jupyter.org/github/HuaGuo1992/Blog/blob/master/%5B%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%5D%20Titannic%E5%AD%98%E6%B4%BB%E9%A2%84%E6%B5%8B%E5%B7%A5%E4%BD%9C%E6%B5%81%E7%A8%8B.ipynb" width="800" height="2000">
基于titanic数据集介绍数据分析处理流程
SpecialLinker的博客
06-17 6012
如何独立完成一个数据处理工作 1.对数据进行观测 2.进行特征工程 3.选择适当的模型 4.对模型进行验证 5.对模型进行调参 6.训练模型 7.生成模型精度报告
Kaggle系列（1）——Titanic
从此醉
10-12 2405
机器学习系列（14）——Kaggle项目之Titanic 文章目录机器学习系列（14）——Kaggle项目之Titanic0x01、项目介绍0x02、学习过程简述0x03、数据探索与分析1、数据探索2、分析过程0x03、预处理0x04、第一个模型0x05、模型优化0x05、模型融合参考文献 0x01、项目介绍 学习了各种机器学习算法之后，可以找一个简单项目来练练手，感受一下完整的ML过程。Titanic是Kaggle的入门项目，网上可以找到很多资料，所以选择它作为第一个练手的项目。（记录一下哈哈哈，截止到2
泰坦尼克号预测生存概率数据集
11-07
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_机器学习_实例1_titannic
飞向太阳的船
02-26 414
Kaggle_机器学习_实例1_titannic #-*- coding:utf-8 -*- import time start_time = time.clock() import pandas as pd import numpy as np from pandas import Series, DataFrame import matplotlib.pyplot as plt import...
泰坦尼克生存概率预测
hepan_defeng的博客
04-10 2481
(https://github.com/hpchihuo/titanic)项目背景：本项目从数据分析的角度，寻找与生存率项目相关的生存因素，建立逻辑回归模型预测tantic人员生存情况。1.提出问题：找出最优模型来预测titanic乘客生存结果项目概况：Titanic号的沉没是历史上最惨痛的沉船事故之一。在1912年4月15号，Titanic首次航行便因撞击冰山而沉没。在2224名乘客和船员中，有...
Titanic预测
weixin_43307006的博客
10-28 228
本周学习任务是写 Titanic 预测，以下是我的部分代码，留作以后改善： 对于缺失值的处理：用了scikit-learn中的RandomForest来拟合 def set_ages(df): age_df = df[['Age', 'Fare', 'Parch', 'SibSp', 'Pclass']] known_age = age_df[age_df.Age.notnul...
泰坦尼克号预测
Xiaoweidumpb
12-05 457
import pandas as pd # 1、获取数据 path = "http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt" titanic = pd.read_csv(path) titanic.head() row.names pclass survived name age embarked
泰坦尼克号数据集：Python机器学习实战教程
标题中提到的 "titannic_data.rar" 是一个压缩文件的名称，它涉及到了一个非常著名的机器学习示例数据集——泰坦尼克号乘客数据集。这个数据集广泛用于教育和竞赛中，包括 Kaggle 的泰坦尼克号生存预测竞赛。接下来...
Kaggle泰坦尼克号机器学习竞赛解析与JupyterNotebook应用
这个竞赛要求参赛者分析乘客数据，使用机器学习模型来预测哪些乘客在泰坦尼克号灾难中存活。这个数据集包含多个变量，如性别、年龄、票价、登船位置等，这些变量将作为特征用于训练模型。 3. 机器学习竞赛：在这类...
泰坦尼克号数据集分析与机器学习实战教程
这个数据集被广泛用于数据科学和机器学习领域，特别是作为入门级的案例研究，帮助人们学习如何使用数据挖掘技术来进行预测分析。数据集通常包含乘客的各种信息，例如姓名、年龄、性别、舱位等级、登船港口、票价以及...
泰坦尼克号幸存预测
07-05
kaggle上面的Titanic比赛，77%的正确率，模型是逻辑回归。
泰坦尼克号获救预测程序及数据
07-05
这是泰坦尼克号获救预测的程序及数据集，需要的同志自取
基于Keras的CNN入门级Python实现（附多个代码）
06-01
该代码基于Keras实现，详细的展现了CNN基本步骤，适合初学者小白使用。包含MNIST、CIFAR、TITANIC三个数据集相关多个代码。
Python：titanic的预测模型
Cyber的博客
07-09 1462
前言：整个6月都在学习统计学，终于考过了cda level1，也终于开始正式机器学习 开始看唐宇迪的《python数据分析与机器学习实战》视频，由于是2017年录制的视频且用的是python 2.7，所以里面的一些代码已经不适用了，根据最新的3.6改了一下 import pandas as pd import numpy as np from matplotlib import pyplot as...
机器学习实战一：泰坦尼克号生存预测 Titantic
风信子的猫Redamancy的快乐星球
01-18 3万+
这是我在kaggle上找到的一个泰坦尼克号的生存的预测案例 希望能用它来进行我的学习与实践，从这里开始入门Machine Learning 也希望在这里，开始我的kaggle之旅 文章目录活动背景 活动背景 The Challenge The sinking of the Titanic is one of the most infamous shipwrecks in history. On April 15, 1912, during her maiden voyage, the widely
kaggle titanic 机器学习流程 top30%
小猪观察家
12-12 1758
机器学习流程解决kaggle上的Titanic 问题。 通过数据分析、特征工程、特征选择、模型调优、模型融合等过程。
【Kaggle】Titanic 生存预测模型
Giyn
03-18 1185
数据集可以在这里下载： https://www.kaggle.com/c/titanic 在此项目中，我们会用到以下Python库： Numpy - python科学计算库（矩阵运算） Pandas - python数据分析处理库 Scikit-learn - python机器学习库（机器学习算法） 一、首先查看一下数据 import pandas as pd titanic = pd.r...
泰坦尼克号生存预测（超详细）
热门推荐
s_m_c的博客
01-15 6万+
这是自己做的第一个python关于数据处理的项目，主要过程包括数据预处理、特征提取、特征选择、模型构建与求解，每一部分都经过自己的分析和总结。 第二部分：泰坦尼克号生存率预测 一、实验目的 通过数据堆叠、数据清洗、特征提取、特征选择、构建模型等方法，实现对泰坦尼克号生存人数的预测。 二、实验内容 1、提出问题 2、理解数据 3、数据清洗 4、特征提取 5、特征选择 6、构建模型 7、方案实施 三、实验过程记录 1、提出问题 已给的数据包含训练数据和测试数据，其中训练数据维度为 891 12， 测试数据集维度
Kaggle:Titanic预测存活(1)
weixin_42566547的博客
01-23 305
本文针对Kaggle上面的Titanic问题进行了入门学习，搭建了一个简单的xgboost基础模型，达到了75%的精度。 预处理 Titanic的数据中共有12列属性，包括passengerId:乘客ID，Survived:存活情况，Pclass:船票级别，Name:乘客姓名, Sex:性别, Age:年龄, SibSp:船上的兄弟姐妹以及配偶的人数, Parch:船上的父母以及子女的人数, Ti...
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