weixin_40278796的博客

昨天提交了一次，结果有点惨，今天要好好做辣。填补age空缺，使用随机森林算法随机森林算法随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。...

我用svm做的预测，发生了一件很神奇的事情，居然跟默认的结果相同。。from sklearn import svmrf = svm.SVC(gamma=0.001,C=105.)rf.fit(train_data,train_Survived)predictSurvived = rf.predict(age_df.values)age_df.info()test['Survive...

用泰坦尼克号年龄和船费做线性回归，看两者是否有关联首先age中确实两百多项，补上平均年龄。 part_train_data = pd.read_csv('train1.csv',usecols=['Age','Fare','SibSp'])part_train_data['Age'] = part_train_data['Age'].fillna(part_train_data['...

一、随机森林算法简介：        Bagging算法：          1、从原始样本中使用bootstraping方法随机抽取n个训练样本，进行k轮抽取，得到k个训练集。训练集中元素可以有重复，k个训练集相互独立。          2、对于k个训练集，训练k个模型。          3、由投票决定分类结果。        决策树：           ID3，C...