Kaggle竞赛：泰坦尼克号灾难数据分析简单案例

最新推荐文章于 2021-12-14 16:00:02 发布
最新推荐文章于 2021-12-14 16:00:02 发布
阅读量923 收藏 3
点赞数
CC 4.0 BY-SA版权
文章标签： python 人工智能
原文链接：https://yq.aliyun.com/articles/603004
本文介绍了一次Kaggle竞赛中的泰坦尼克号生存预测任务。从数据获取到清洗、重构，再到分析和机器学习建模的过程。利用Python进行数据处理，并采用KNN算法进行预测。

Kaggle竞赛：泰坦尼克号灾难数据分

https://www.kaggle.com/c/titanic

  • 目标确定：根据已有数据预测未知旅客生死
  • 数据准备：
    • 数据获取，载入训练集csv、测试集csv
    • 数据清洗，补齐或抛弃缺失值，数据类型变换(字符串转数字)
    • 数据重构，根据需要重新构造数据(重组数据，构建新特征）
  • 数据分析：
    • 描述性分析，画图，直观分析
    • 探索性分析，机器学习模型
  • 成果输出：csv文件上传得到正确率和排名

载入库

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

数据获取

train = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')
train.head() # 显示头几行数据
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
test.head()# 显示头几行数据
PassengerIdPclassNameSexAgeSibSpParchTicketFareCabinEmbarked
08923Kelly, Mr. Jamesmale34.5003309117.8292NaNQ
18933Wilkes, Mrs. James (Ellen Needs)female47.0103632727.0000NaNS
28942Myles, Mr. Thomas Francismale62.0002402769.6875NaNQ
38953Wirz, Mr. Albertmale27.0003151548.6625NaNS
48963Hirvonen, Mrs. Alexander (Helga E Lindqvist)female22.011310129812.2875NaNS

数据概览

train.shape, test.shape # 查看数据的行数，列数
((891, 12), (418, 11))

train.info() # 查看具体信息字段
<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

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            332 non-null float64
SibSp          418 non-null int64
Parch          418 non-null int64
Ticket         418 non-null object
Fare           417 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.csv 具体数据格式

  • PassengerId 乘客ID
  • Survived 是否幸存。0遇难，1幸存
  • Pclass 船舱等级，1Upper，2Middle，3Lower
  • Name 姓名，object——————————
  • Sex 性别，object—————————
  • Age 年龄 缺失177——m————————
  • 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，object————————
  • Fare 乘客的船票价
  • Cabin 乘客所在舱位，object,缺失687———————
  • Embarked 乘客登船口岸，object,缺失3————————
train.head() # head()方法查看头部几行信息，如果打train则返回所有数据列表
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



数据清洗

缺失过多或无关值抛弃

# .loc 通过自定义索引获取数据 , 其中 .loc[:,:]中括号里面逗号前面的表示行，逗号后面的表示列
train2 = train.loc[:,['PassengerId','Survived','Pclass','Sex','Age','SibSp','Parch','Fare']]
test2 = test.loc[:, ['PassengerId','Pclass','Sex','Age','SibSp','Parch','Fare']]
train2.head()
PassengerIdSurvivedPclassSexAgeSibSpParchFare
0103male22.0107.2500
1211female38.01071.2833
2313female26.0007.9250
3411female35.01053.1000
4503male35.0008.0500
test2.head()
PassengerIdPclassSexAgeSibSpParchFare
08923male34.5007.8292
18933female47.0107.0000
28942male62.0009.6875
38953male27.0008.6625
48963female22.01112.2875
train2.info(), test2.info()
test2.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 418 entries, 0 to 417
Data columns (total 7 columns):
PassengerId    418 non-null int64
Pclass         418 non-null int64
Sex            418 non-null object
Age            332 non-null float64
SibSp          418 non-null int64
Parch          418 non-null int64
Fare           417 non-null float64
dtypes: float64(2), int64(4), object(1)
memory usage: 22.9+ KB


填充年龄空值

age = train2['Age'].median() # 年龄中位数
age
28.0

train2['Age'].isnull() # 空值转bool值
0      False
1      False
2      False
3      False
4      False
5       True
6      False
7      False
8      False
9      False
10     False
11     False
12     False
13     False
14     False
15     False
16     False
17      True
18     False
19      True
20     False
21     False
22     False
23     False
24     False
25     False
26      True
27     False
28      True
29      True
       ...  
861    False
862    False
863     True
864    False
865    False
866    False
867    False
868     True
869    False
870    False
871    False
872    False
873    False
874    False
875    False
876    False
877    False
878     True
879    False
880    False
881    False
882    False
883    False
884    False
885    False
886    False
887    False
888     True
889    False
890    False
Name: Age, Length: 891, dtype: bool

train2.loc[train2['Age'].isnull(), 'Age'] = age # 为train2年龄为空值的填充年龄中位数
train2.info()
test2.loc[test2['Age'].isnull(), 'Age'] = age # 为test2中年龄为空值的数据填充年龄中位数
test2.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 418 entries, 0 to 417
Data columns (total 7 columns):
PassengerId    418 non-null int64
Pclass         418 non-null int64
Sex            418 non-null object
Age            418 non-null float64
SibSp          418 non-null int64
Parch          418 non-null int64
Fare           417 non-null float64
dtypes: float64(2), int64(4), object(1)
memory usage: 22.9+ KB


填充船票价格空值

#取众数填充船票价格 Fare

Fare = test2['Fare'].mode()
Fare

test2.loc[test['Fare'].isnull(),'Fare'] = Fare[0]

train2.info(),test2.info()
train2.head()
PassengerIdSurvivedPclassSexAgeSibSpParchFare
0103male22.0107.2500
1211female38.01071.2833
2313female26.0007.9250
3411female35.01053.1000
4503male35.0008.0500


数据类型转换

train2.dtypes,test2.dtypes # 列数据类型
(PassengerId      int64
 Survived         int64
 Pclass           int64
 Sex             object
 Age            float64
 SibSp            int64
 Parch            int64
 Fare           float64
 dtype: object, PassengerId      int64
 Pclass           int64
 Sex             object
 Age            float64
 SibSp            int64
 Parch            int64
 Fare           float64
 dtype: object)

性别转换成整型数据

train2['Sex'] = train2['Sex'].map({'female':0, 'male':1}).astype(int)
test2['Sex'] = test2['Sex'].map({'female': 0, 'male': 1}).astype(int)
train2.head()
PassengerIdSurvivedPclassSexAgeSibSpParchFare
0103122.0107.2500
1211038.01071.2833
2313026.0007.9250
3411035.01053.1000
4503135.0008.0500


数据重构

将SibSp、Parch特征构建两个新特征

  • 家庭人口总数 familysize
  • 是否单身 isalone
train2.loc[:,'SibSp'] #兄妹个数
train2.loc[:,'Parch'] #父母子女个数

train2['familysize'] = train2.loc[:,'SibSp'] + train2.loc[:,'Parch'] + 1
test2['familysize'] = test2.loc[:,'SibSp'] + test2.loc[:,'Parch'] + 1
train2.head()
PassengerIdSurvivedPclassSexAgeSibSpParchFarefamilysize
0103122.0107.25002
1211038.01071.28332
2313026.0007.92501
3411035.01053.10002
4503135.0008.05001
train2['isalone'] = 0
train2.loc[train2['familysize'] == 1,'isalone'] = 1
train2.head()
PassengerIdSurvivedPclassSexAgeSibSpParchFarefamilysizeisalone
0103122.0107.250020
1211038.01071.283320
2313026.0007.925011
3411035.01053.100020
4503135.0008.050011


数据重构后的最终数据

train3 = train2.loc[:,['PassengerId','Survived','Pclass','Sex','Age','Fare','familysize','isalone']]
train3.head()
test3 = test2.loc[:,['PassengerId','Pclass','Sex','Age','Fare','familysize','isalone']]
test3.head()
PassengerIdPclassSexAgeFarefamilysizeisalone
08923134.57.82921NaN
18933047.07.00002NaN
28942162.09.68751NaN
38953127.08.66251NaN
48963022.012.28753NaN




数据分析

描述性分析

#单身存活率
d = train3[['isalone', 'Survived']].groupby(['isalone']).mean()
d
# d.loc[0,'Survived']
Survived
isalone
00.505650
10.303538
#单身与否死亡率

plt.bar(
    [0,1],
    [1-d.loc[0,'Survived'],1-d.loc[1,'Survived']],
    0.5,
    color='r',
    alpha=0.5,
)

plt.xticks([0,1],['notalone','alone'])

plt.show()

这里写图片描述

#男性女性存活率
n = train3[['Sex', 'Survived']].groupby(['Sex']).mean()
n
Survived
Sex
00.742038
10.188908
# 不同性别死亡率条形图

plt.bar(
    [0,1],
    [1-n.loc[0,'Survived'],1-n.loc[1,'Survived']],
    0.5,
    color='g',
    alpha=0.7
)

plt.xticks([0,1],['female','male'])

plt.show()

这里写图片描述

#仓位存活率
c = train3[['Pclass', 'Survived']].groupby(['Pclass']).mean()
c
Survived
Pclass
10.629630
20.472826
30.242363
#三等仓位死亡率条形图

plt.bar(
    [0,1,2],
    [1-c.loc[1,'Survived'],1-c.loc[2,'Survived'],1-c.loc[3,'Survived']],
    0.5,
    color='b',
    alpha=0.7
)

plt.xticks([0,1,2],[1,2,3])

plt.show()

这里写图片描述

#年龄存活率
age = train3[['Age', 'Survived']].groupby(['Age']).mean()
age
Survived
Age
0.421.000000
0.671.000000
0.751.000000
0.831.000000
0.921.000000
1.000.714286
2.000.300000
3.000.833333
4.000.700000
5.001.000000
6.000.666667
7.000.333333
8.000.500000
9.000.250000
10.000.000000
11.000.250000
12.001.000000
13.001.000000
14.000.500000
14.500.000000
15.000.800000
16.000.352941
17.000.461538
18.000.346154
19.000.360000
20.000.200000
20.500.000000
21.000.208333
22.000.407407
23.000.333333
……
44.000.333333
45.000.416667
45.500.000000
46.000.000000
47.000.111111
48.000.666667
49.000.666667
50.000.500000
51.000.285714
52.000.500000
53.001.000000
54.000.375000
55.000.500000
55.500.000000
56.000.500000
57.000.000000
58.000.600000
59.000.000000
60.000.500000
61.000.000000
62.000.500000
63.001.000000
64.000.000000
65.000.000000
66.000.000000
70.000.000000
70.500.000000
71.000.000000
74.000.000000
80.001.000000

88 rows × 1 columns

#不同年龄存活率

plt.figure(2, figsize=(20,5))
plt.bar(
    age.index,
    age.values,
    0.5,
    color='r',
    alpha=0.7
)
# plt.axis([0,80,0,20])
plt.xticks(age.index,rotation=90)

plt.show()

这里写图片描述

#票价存活率
fare = train3[['Fare', 'Survived']].groupby(['Fare']).mean()
fare
Survived
Fare
0.00000.066667
4.01250.000000
5.00000.000000
6.23750.000000
6.43750.000000
6.45000.000000
6.49580.000000
6.75000.000000
6.85830.000000
6.95000.000000
6.97500.500000
7.04580.000000
7.05000.000000
7.05420.000000
7.12500.000000
7.14171.000000
7.22500.250000
7.22920.266667
7.25000.076923
7.31250.000000
7.49580.333333
7.52080.000000
7.55000.250000
7.62920.000000
7.65000.250000
7.72500.000000
7.72920.000000
7.73330.500000
7.73750.500000
7.74170.000000
……
80.00001.000000
81.85831.000000
82.17080.500000
83.15831.000000
83.47500.500000
86.50001.000000
89.10421.000000
90.00000.750000
91.07921.000000
93.50001.000000
106.42500.500000
108.90000.500000
110.88330.750000
113.27500.666667
120.00001.000000
133.65001.000000
134.50001.000000
135.63330.666667
146.52081.000000
151.55000.500000
153.46250.666667
164.86671.000000
211.33751.000000
211.50000.000000
221.77920.000000
227.52500.750000
247.52080.500000
262.37501.000000
263.00000.500000
512.32921.000000

248 rows × 1 columns

plt.figure(2, figsize=(20,5))
plt.bar(
    fare.index,
    fare.values,
    0.5,
    color='r',
    alpha=0.7
)
# plt.axis([0,80,0,20])
plt.xticks(fare.index,rotation=90)

plt.show()

这里写图片描述



得出结论

# 单身死亡率70%
jieguo = pd.DataFrame(np.arange(0,418),index=test3.loc[:,'PassengerId'])
jieguo.loc[:,0] = 1
jieguo.head()
0
PassengerId
8921
8931
8941
8951
8961
jieguo.loc[test3[test3.loc[:,'isalone'] == 1].loc[:,'PassengerId'].values] = 0 #单身死
jieguo.head()
0
PassengerId
8921
8931
8941
8951
8961



输出结论

jieguo.to_csv('isalone.csv')
#判断：男性全死，女性全活，三等仓全死
new3 = pd.DataFrame(np.arange(0,418),index=test3.loc[:,'PassengerId'].values)
new3[0] = 0 #默认全死
new3.head()
0
8920
8930
8940
8950
8960
new3.loc[test3[test3.loc[:,'Sex'] == 0].loc[:,'PassengerId'].values] = 1 #女性活
new3.head()
0
8920
8931
8940
8950
8961
new3.loc[test2[test2.loc[:,'Pclass'] == 3].loc[:,'PassengerId'].values] = 0 #三等仓死
new3.head()
0
8920
8930
8940
8950
8960
#写入csv上传
new3.to_csv('cangwei-xingbie.csv')#判断：男性全死，女性全活，三等仓全死


机器学习建模

train3.head()
PassengerIdSurvivedPclassSexAgeFarefamilysizeisalone
0103122.07.250020
1211038.071.283320
2313026.07.925011
3411035.053.100020
4503135.08.050011
from sklearn import neighbors,datasets
x = train3.loc[:,['Pclass','Sex','familysize']]
y = train3.loc[:,'Survived'] #生死

clf = neighbors.KNeighborsClassifier(n_neighbors = 20)
clf.fit(x,y) #knn训练
clf
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=1, n_neighbors=20, p=2,
           weights='uniform')

#knn预测
z = clf.predict(test3.loc[:,['Pclass','Sex','familysize']])
z
array([0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1,
       0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0,
       0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 0, 0,
       0, 1, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0,
       1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1,
       0, 0, 1, 0, 1, 1, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1,
       0, 1, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 0,
       1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 1,
       0, 1, 0, 0, 0, 0, 1, 0, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 0, 0,
       0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0,
       0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1,
       0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0,
       0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0,
       0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0,
       1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1,
       1, 0, 0, 1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0,
       1, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0,
       1, 0, 0, 0], dtype=int64)

# 构造表
s = np.arange(892, 1310)
s
results = pd.DataFrame(z, index=s)
results.head()
0
8920
8930
8940
8950
8961
# 写入csv上传
results.to_csv('Titanic_knn.csv')
kaggle泰坦尼克数据titanic
08-16
平台下载的原始三个数据train.csv test.csv gender_submission.csv （本来想0积分 分享给大家 无奈最低是1分了）
泰坦尼克号—数据分析（单因素、多因素分析）
jessie0615的博客
05-13 1万+
提出问题： 数据来源：经典的titanic数据分析，大多数人都会从这个案例教学或者做练习，数据可从kaggle（https://www.kaggle.com/c/titanic/data）上一个机器学习的数据集，可用作数据分析的数据源，kaggle有三个表格，我们现在用train这个表。 工具：jupyter notebook，可以更好的展示分析思维和过程。 导入python的数据分析库 impo...
通俗易懂的泰坦尼克号生存分析（titanic）
热门推荐
离散梦
12-29 2万+
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。  ...
机器学习经典Kaggle案例:泰坦尼克号：从灾难中学习机器
weixin_42662126的博客
08-18 2万+
kaggle链接:https://www.kaggle.com/c/titanic 一、简介 泰坦尼克号案例可以说是kaggle的“hello world”，入门者的必看案例。 1.1 比赛描述 RMS泰坦尼克号沉没是历史上最臭名昭着的沉船之一。1912年4月15日，在她的处女航中，泰坦尼克号在与冰山相撞后沉没，在2224名乘客和机组人员中造成1502人死亡。这场耸人听闻的悲剧震惊了国际社会，并为...
Kaggle入门-泰坦尼克号之灾（数据集+代码+结果）.zip
02-06
本教程将通过泰坦尼克号灾难的数据集，引导你进入Kaggle的大门。泰坦尼克号是20世纪初的一场悲剧，这艘号称“永不沉没”的豪华邮轮在首航中遭遇冰山撞击，导致大量乘客和船员丧生。Kaggle上的这个挑战，就是基于这次...
小白的机器学习之路(1)---Kaggle竞赛：泰坦尼克之灾(Titanic Machine Learning from Disaster)
zxxxxxxy的博客
12-22 815
我是目录前言新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 前言 终于下定决心开始记录自己的学习之旅，加油！ ...
Kaggle泰坦尼克号竞赛：机器学习与数据分析教程
资源摘要信息:"泰坦尼克号竞争：Kaggle的《泰坦尼克号：灾难中的机器学习》竞赛指南" 知识点： 1. Kaggle竞赛：Kaggle是一个全球性的数据科学竞赛平台，汇集了来自世界各地的数据科学家和机器学习专家。在这个平台...
kaggle 泰坦尼克titanic数据
01-15
友情提示，kaggle注册帐号发送验证邮件时验证码貌似是使用了谷歌的服务，如果没有梯子是刷不出验证码无法验证账号的，没有梯子的话可以考虑注册雅虎账号然后用雅虎账号登录kaggle。不过有时一些数据的下载好像也会用到谷歌。这个数据本来想0分的，不过现在好像最低要求是2分。
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。
数据分析kaggle大赛泰坦尼克号数据
07-28
数据分析kaggle大赛泰坦尼克号生还概率数据
kaggle比赛titanic数据集
07-26
这是从KAGGLE竞赛官方网站上下载下来的数据集，本人之前也一直在寻找类似的数据，却一直需要大量积分，所以我就上传上来供大家使用。
kaggle之泰坦尼克号幸存者预测大赛数据
11-28
该数据是kaggle的泰坦尼克号幸存者预测大赛的数据。有训练集和测试集两部分组成
泰坦尼克号Kaggle 数据集合，源代码参考
05-30
泰坦尼克号Kaggle 数据集合，源代码参考
Kaggle泰坦尼克号数据机器学习实战：从缺失值处理、数据探索性分析、组合特征生成到多模型构建
data+scenario+science+insight
08-07 449
Kaggle泰坦尼克号数据机器学习实战：从缺失值处理、数据探索性分析、组合特征生成到多模型构建 泰坦尼克号的沉没是历史上最为人熟知的海难事件之一。 1912 年 4 月 15 日，在她的处女航中，泰坦尼克号在与冰山相撞后沉没，在船上的 2224 名乘客和机组人员中，共造成 1502 人死亡。这场耸人听闻的悲剧震惊了国际社会，从而促进了船舶安全规定的完善。 造成海难失事的原因之一是乘客和机组人员没有足够的救生艇。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
数据分析入门（kaggle实战—泰坦尼克）
m0_61606607的博客
12-14 1951
载入数据 任务一：导入numpy和pandas import numpy as np import pandas as pd 任务二：载入数据 (1) 使用相对路径载入数据 (2) 使用绝对路径载入数据 df = pd.read_csv('train.csv') df.head(3) PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabi..
Kaggle Titanic数据分析和预测
Marvinsky的专栏
06-16 7837
本文对Kaggle中的Titanic事故中乘客遇难情况进行了相应的分析和可视化，采用逻辑回归对他们的遇难情况进行了预测。
kaggle泰坦尼克数据——stacking
weixin_43309755的博客
03-05 1059
前言 网上有很多关于泰坦尼克数据的描述、如何数据清洗以及特征工程，这里不再赘述。处理代码如下： import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.preprocessing import Imputer,LabelBinarizer...
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