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 ...

1.实验背景 本次实验是Kaggle上的一个入门比赛——Titanic: Machine Learning from Disaster。比赛选择了泰坦尼克号海难作为背景，并提供了样本数据及测试数据，要求我们根据样本数据内容建立一个预测模型，对于测试数据中每个人是否获救做个预测。样本数据包括891 ...

此文发表在简书，复制过来，在下方放上链接。 https://www.jianshu.com/p/a09b4dc904c9 泰坦尼克号生存预测 1.背景与挖掘目标 “泰坦尼克号”的沉没是历史上最臭名昭著的海难之一。1912年4月15日，泰坦尼克号在处女航中与冰山相撞后沉没，2224名乘客 ...

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 ...

使用python3 学习了决策树分类器的api 涉及到 特征的提取，数据类型保留，分类类型抽取出来新的类型 需要网上下载数据集，我把他们下载到了本地， 可以到我的git下载代码和数据集: https://github.com/linyi0604/MachineLearning ...

变量之间的非确定性相关关系。 一般形式:y = f(x0,x1,x2,…xp)+ε 若为线性回归，y = β0+β1x1+β2x2+…+βnxn+ε β0，β1等为回归系数，ε为随机误差。 模型假设 ①零均值，ε均值为0 ②同方差，ε项方差为常数 ③无自相关性，ε项值之间无自相关性 ④正态分布 ...

前言 前些天学习了一下决策树算法（ID3、C4.5、cart算法），今天实际练习一下。 数据集、测试集地址： https://github.com/cystanford/Titanic_Data 原始数据： train.csv 是训练数据集，包含特征信息和存活与否的标签 ...

1 案例背景 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，并为船舶制定了更好的安全规定。 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 ...