#学习日记：存活率影响因素分析——阿里云天池，泰坦尼克号乘客获救预测。

重装系统20块谢谢

于 2020-02-14 21:15:51 发布

阅读量382

点赞数

分类专栏： python matplotlib 大数据

本文链接：https://blog.youkuaiyun.com/qq_37828633/article/details/104319516

版权

这篇学习日记记录了在阿里云天池进行的机器学习实战，聚焦于泰坦尼克号乘客的存活预测。通过Python的Seaborn库分析了年龄、性别、社会阶级等因素对存活率的影响，展示了不同年龄、性别的存活分布，并探讨了称呼、家庭人数、票价等特征与生存概率的关联。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#学习日记：阿里云天池，机器学习实战进阶：泰坦尼克号乘客获救预测。有一些课程代码运行报错，自己修改了，亲测能跑
#win10 Pycharm环境，需要用到的库请提前在terminal终端用命令下载：pip install 库名称

#3.3年龄与存活与否的关系 Age
fig, ax=plt.subplots(1,2,figsize = (18,5))
ax[0].set_yticks(range(0,110,10))
sns.violinplot("Pclass","Age",hue="Survived",data=train_data,split=True,ax=ax[0])
ax[0].set_title("Pclass and Age vs Survived")

ax[1].set_yticks(range(0,110,10))
sns.violinplot("Sex","Age",hue="Survived",data=train_data,split=True,ax=ax[1])
ax[1].set_title("Sex and Age vs Survived")
plt.show()

#分析总体的年龄分布

plt.figure(figsize=(15,5))