大神經驗： 1、 應用機器學習，千萬不要一上來就試圖做到完美，先擼一個baseline的model出來，再進行后續的分析步驟，一步步提高，所謂后續步驟可能包括『分析model現在的狀態(欠/過擬合)，分析我們使用的feature的作用大小，進行feature selection，以及我們模型下 ...

1、數據來源 （1）數據來源 來自kaggle的數據集Titanic：Titanic: Machine Learning from Disaster train文檔數據是用來分析和建模，包含有生存情況信息；test數據是用來最終預測其生存情況並生成結果文件。 2、分析流程 （1）不同變量 ...

也不知道對不對，就憑着自己的思路寫了一個 數據集：https://www.kaggle.com/c/titanic/data 效果一般吧，不過至少出來了，hiahiahia ...

1.實驗背景 本次實驗是Kaggle上的一個入門比賽——Titanic: Machine Learning from Disaster。比賽選擇了泰坦尼克號海難作為背景，並提供了樣本數據及測試數據，要求我們根據樣本數據內容建立一個預測模型，對於測試數據中每個人是否獲救做個預測。樣本數據包括891 ...

Kaggle 是一個流行的數據科學競賽平台 一、機器學習的基本步驟 二、提出問題 什么樣的人更容易生存？ 三、理解數據 3.1數據來源 https://www.kaggle.com/c/titanic 分為 訓練集：train.csv，891條數據 測試 ...

原文地址如下： https://www.kaggle.com/startupsci/titanic-data-science-solutions ---------------------------------------------------------------- 泰坦尼克 ...

前言 　　這個是Kaggle比賽中泰坦尼克號生存率的分析。強烈建議在做這個比賽的時候，再看一遍電源《泰坦尼克號》，可能會給你一些啟發，比如婦女兒童先上船等。所以是否獲救其實並非隨機，而是基於一些背景有先后順序的。 1，背景介紹 　　1912年4月15日，載着1316號乘客和891名船員的豪華 ...

學習了機器學習這么久，第一次真正用機器學習中的方法解決一個實際問題，一步步探索，雖然最后結果不是很准確，僅僅達到了0.78647，但是真是收獲很多，為了防止以后我的記憶蟲上腦，我決定還是記錄下來好了。 ...