kaggle比赛中的titanic项目

最新推荐文章于 2021-04-16 14:34:19 发布
转载 最新推荐文章于 2021-04-16 14:34:19 发布 · 232 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://github.com/ashishpatel26/Titanic-Machine-Learning-from-Disaster/blob/master/Titanic%20Survival%20Analysis.ipynb

该博客通过使用机器学习技术分析泰坦尼克号乘客数据，以预测乘客的生存率。作者首先对数据进行预处理，包括缺失值填充、特征工程等，然后使用多种算法（如逻辑回归、决策树、随机森林等）训练模型，并通过交叉验证优化模型性能。最终，通过混淆矩阵和AUC-ROC曲线评估模型效果。
想念@思恋
关注
Kaggle系列（1）——Titanic
从此醉
10-12 2555
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
Kaggle竞赛——Titanic
Spike的博客
01-11 819
​ ​ 找回了自己的优快云账号，想从头记录一下自己做kaggle竞赛的经历，第一篇当然要从人人都爱的Titanic写起。 ​ Titanic项目大概是Kaggle上最受欢迎的项目了，截止到我提交结果的时候已经有18000多人提交了预测结果。参与人数众多，也诞生了很多优秀的kernel，使这个项目成为了萌新熟悉kaggle竞赛的唯一指定项目。大佬们分享的经验就像出新手村的首冲礼包，能让你在数据分析的路上快速成长。 项目简介 ​ 首先我们看一下这个项目的介绍（因为懒这里就放了官方的介绍）： The sinki
机器学习实例（五）泰坦尼克号数据集
weixin_44457774的博客
02-09 4376
python机器学习泰坦尼克号数据集预测实例代码
Kaggle竞赛 —— 泰坦尼克号（Titanic）
热门推荐
massquantity的博客
08-04 2万+
kaggle Titanic数据分析
Kaggle入门——Titanic（一）
有学上就行.jpg
04-16 587
Kaggle入门——Titanic（一） 最近开始接触Kaggle，并且希望借此机会学习一下PyTorch，因此开坑一下这个系列，主要是借助PyTorch搭建模型来解决Kaggle的问题，由于PyTorch和Kaggle都是入门，所有错误在所难免，大家别当做什么入门宝典== 参考博客：机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾 问题 Kaggle题目地址 大致就是船倒了，旅客需要逃生，但是救生艇的数量是有限的，没有办法每个人都坐上救生艇，然后副船长说出了女士和小孩优先，由此可以知道旅客是否
kaggle比赛—Titanic.zip
09-30
【标题】"kaggle比赛—Titanic.zip"是一个与数据科学竞赛相关的压缩包，源自著名的Kaggle平台。Kaggle是全球领先的数据科学和机器学习社区，它经常举办各种数据分析比赛，鼓励参赛者利用自己的技能预测模型或解决...
Kaggle比赛之Titanic.zip
09-30
【标题】"Kaggle比赛之Titanic.zip"是一个关于数据科学竞赛的资源包，源自著名的数据科学平台Kaggle。这个比赛的目标是基于泰坦尼克号乘客的数据，预测哪些乘客在船只沉没时幸存下来。通过这个比赛，参赛者可以提升...
kaggle泰坦尼克数据titanic
12-25
`gender_submission.csv`是一个示例提交文件，展示了如何按照Kaggle比赛的要求格式化预测结果。 现在，我们深入探讨一下这些数据集中的知识点： 1. 数据预处理：在使用这些数据之前，通常需要进行数据清洗和预处理...
kaggle比赛titanic数据集
07-26
【标题】：Kaggle比赛Titanic数据集 在数据科学和机器学习领域，Kaggle是一个非常知名的平台，它提供了各种数据竞赛，鼓励全球的数据科学家解决实际问题。本数据集是Kaggle上的经典比赛——“泰坦尼克号”（Titanic...
kaggle titanic
酸乳乳酸的博客
10-15 589
Kaggle泰坦尼克之灾讲解 看完之后，kaggle比赛的重点主要是： 对数据的认识 数据中的离群点\特殊点的分析和处理 重要的特征工程(feature engineering) 模型融合(model ensemble) import pandas as pd #数据分析 import numpy as np #科学计算 from pandas import Series,Dat...
kaggle-titanic, 关于Kaggle的Titanic教程.zip
09-18
kaggle-titanic, 关于Kaggle的Titanic教程 kaggle这是一个在Kaggle笔记本上进行竞赛的教程，来自灾难的泰坦尼克机器学习。 这个存储库的目标是为那些兴趣进入数据分析或者使用 python的kaggle科学比赛的数据提供竞争性分析。快速入门：视图在你自己的网页浏览器中使
kaggle_titanic数据集
03-23
去kaggle上下载资源太麻烦了，每次下载还要登录邮箱，没有的话基本等不上去，也就没法下载，所以就发到这里共享，里面有训练集，测试集。是最全的数据集了。
kaggle_TItanic
02-27
kaggle训练题Titanic，包括数据集和测试集，代码是Jupter Notebook上的
Kaggle比赛之Titanic（泰坦尼克之灾）
熊大的博客
08-20 342
https://blog.csdn.net/han_xiaoyang/article/details/49797143 https://www.kesci.com/home/project/5bfe39b3954d6e0010681cd1 https://www.cnblogs.com/Lin-Yi/p/8972051.html code: https://github.com/rjx67...
kaggle中Titanic学到的知识
u010211479的博客
12-12 242
DataFrame.info()  输出dataframe的信息。 notebook作图时，如何显示张中文plt.rc('font',family='SimHei',size=6)
kaggle Titanic 分析
知难行更难
04-24 1040
1、概述    正式入坑kaggle竞赛，为了学习，做了Titanic: Machine Learning from Disaster，原文地址：https://www.kaggle.com/c/titanic   经过一段时间的学习，对数据分析和机器学习有了更深的了解和认知。在机器学习中，特征工程及其重要，如果特征表达的好，一个复杂的问题用一个简单的分类器可能也能做的很好。sklearn中的算法...
Kaggle-Titanic
r1ch4rd的博客
07-16 552
最近研究了一下kaggle，做了Titanic的项目，用此博客记录一下 Kaggle-Titanic kaggle链接 环境：Anaconda，python2.7 github源码链接 通过观察数据集，这是一个二分类的问题，所以采用逻辑回归模型即可（最初想法） 数据可视化 首先拿到数据集需要对其进行可视化查找出可用特征。 特征工程（很重要！！） ...
kaggle泰坦尼克号
a_1b2c3_123的博客
03-10 1217
本文前部分参考简书：https://www.jianshu.com/p/06c2ee7e5c68 后半部分对比逻辑回归，随机森林、XGBOOST常见算法的分类准确度。 概述 1912年4月15日，泰坦尼克号在首次航行期间撞上冰山后沉没，2224名乘客和机组人员中有1502人遇难。沉船导致大量伤亡的原因之一是没有足够的救生艇给乘客和船员。虽然幸存下来有一些运气因素，但有一些人比其他人更有可能生...
Kaggle Titanic比赛项目源码解析
Kaggle比赛中的“泰坦尼克号生存预测”（Titanic: Machine Learning from Disaster）是数据科学与机器学习领域中最经典、最广为人知的入门级竞赛项目之一。该项目以1912年泰坦尼克号沉船事件的历史数据为基础，要求...
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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