Kaggle泰坦尼克号案例
1、数据来源 （1）数据来源 来自kaggle的数据集Titanic：Titanic: Machine Learning from Disaster train文档数据是用来分析和建模，包含有生存情况信息；test数据是用来最终预测其生存情况并生成结果文件。 2、分析流程 （1）不同变量 ...
原文：Kaggle竞赛 —— 泰坦尼克号（Titanic）
完整代码见kaggle kernel或 GitHub 比赛页面：https: www.kaggle.com c titanic Titanic大概是kaggle上最受欢迎的项目了，有 多支队伍参加，多年来诞生了无数关于该比赛的经验分享。正是由于前人们的无私奉献，我才能无痛完成本篇。 事实上kaggle上的很多kernel都聚焦于某个特定的层面 比如提取某个不为人知的特征 使用超复杂的算法 专做E ...
2017-08-10 12:57 0 2078 推荐指数：
相关推荐
Kaggle入门——泰坦尼克号生还者预测
前言 这个是Kaggle比赛中泰坦尼克号生存率的分析。强烈建议在做这个比赛的时候，再看一遍电源《泰坦尼克号》，可能会给你一些启发，比如妇女儿童先上船等。所以是否获救其实并非随机，而是基于一些背景有先后顺序的。 1，背景介绍 1912年4月15日，载着1316号乘客和891名船员的豪华 ...
Kaggle泰坦尼克号生存情况预测
Kaggle 是一个流行的数据科学竞赛平台 一、机器学习的基本步骤 二、提出问题 什么样的人更容易生存？ 三、理解数据 3.1数据来源 https://www.kaggle.com/c/titanic 分为 训练集：train.csv，891条数据 测试 ...
kaggle 泰坦尼克号问题总结
学习了机器学习这么久，第一次真正用机器学习中的方法解决一个实际问题，一步步探索，虽然最后结果不是很准确，仅仅达到了0.78647，但是真是收获很多，为了防止以后我的记忆虫上脑，我决定还是记录下来好了。 ...
泰坦尼克号沉没之谜，用数据还原真相——Titanic获救率分析（用pyecharts）
泰坦尼克号获救率数据分析报告，用数据揭露真相。 一，船上乘客生存率分析报告 泰坦尼克号生存率仅有38%的，可见此次事件救援不力，救生艇严重不足，且泰坦尼克号号撞得是冰山，海水冷，没有救生艇，在水里冻死的乘客不少。 二，哪个年龄段存活率最高（青年人（18岁以下），中年人（18到50岁 ...
泰坦尼克号获救问题
...
泰坦尼克号之灾分析
大神经验： 1、 应用机器学习，千万不要一上来就试图做到完美，先撸一个baseline的model出来，再进行后续的分析步骤，一步步提高，所谓后续步骤可能包括『分析model现在的状态(欠/过拟合 ...
泰坦尼克号幸存预测
本次项目主要围绕Kaggle上的比赛题目: "给出泰坦尼克号上的乘客的信息, 预测乘客是否幸存" 进行数据分析 环境 win8, python3.7, jupyter notebook 目录 1. 项目背景 2. 数据概览 3. 特征分析 4. 特征工程 5. 构建模型 正文 ...