本文介绍了在Kaggle上进行的泰坦尼克号获救预测实战，包括数据集分析、缺失值处理、字符串转数值、模型训练与评估。通过线性回归、逻辑回归和随机森林等算法，得到了约82%的预测准确率，并通过提取新特征和可视化提升预测效果。
1.数据集简介
此数据集一共有891条数据，数据内容如下，每列表示的意义如下：
| 乘客ID | 是否幸存 | 舱位等级 | 姓名 | 性别 | 年龄 | 一同上船的兄弟姐妹 | 父母和小孩数目 | 船号 | 船价 | 船仓号 | 登录地点 |
| PassengerId | Survived | Pclass | Name | Sex | Age | SibSp | Parch | Ticket | Fare | Cabin | Embarked |
| 1 | 0 | 3 | Braund, Mr. Owen Harris | male | 22 | 1 | 0 | A/5 21171 | 7.25 | S |
最低0.47元/天 解锁文章
扫一扫
评论 1
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
