项目目标 泰坦尼克号的沉没是历史上最著名的还难事件之一，在船上的 名乘客和机组人员中，共造成 人死亡。本次项目的目标是运用机器学习工具来预测哪些乘客能够幸免于难。 项目过程 导入并探索数据 处理缺失值，删除与预测无关的特征 将分类变量转换为数值型变量 实例化模型并进行交叉验证 模型预测 调参，得到最好的超参数 项目代码 Jupyter ...
2021-02-21 14:24 0 418 推荐指数：
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 ...
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 ...
python3 学习使用随机森林分类器 梯度提升决策树分类 的api，并将他们和单一决策树预测结果做出对比 附上我的git，欢迎大家来参考我其他分类器的代码: https://github.com/linyi0604/MachineLearning ...
决策树分类的应用场景非常广泛，在各行各业都有应用，比如在金融行业可以用决策树做贷款风险评估，医疗行业可以用决策树生成辅助诊断，电商行业可以用决策树对销售额进行预测等。 基于决策树还诞生了很多数据挖掘算法，比如随机森林（Random forest）。 sklearn 中的决策树模型 到目前为止 ...
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 ...
现有数据维度：PassengerId survival 生存 0 = No, 1 = Yespclass 票类 社会经济地位，1 = Upper, 2 = Middle, 3 = Lowersex 性别 Age 年龄 sibsp 兄弟姐妹/配偶在泰坦尼克号上 parch 父母/孩子在泰坦尼克号 ...
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 ...
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 ...
