貝葉斯網絡python實戰（以泰坦尼克號數據集為例，pgmpy庫）
貝葉斯網絡python實戰（以泰坦尼克號數據集為例，pgmpy庫） leida_wt 2019-03-24 23:05:36 16815 收藏 140 ...
原文：利用python分析泰坦尼克號數據集
引言 剛接觸python與大數據不久，這個是學長給出的練習題目。知識積累太少，學習用了不少的時間。盡量詳細的寫，希望對各位的學習有所幫助。 背景 . Kaggle 本次數據集來自於Kaggle。Kaggle是一個數據分析建模的應用競賽平台。想要了解詳細資料的小伙伴請自行百度。 . 泰坦尼克號 本次問題頁面 請到Data頁面下載數據集 數據集的各屬性在Data頁面下有詳細介紹。 問題就是以大家熟悉 ...
2017-07-02 15:47 2 10754 推薦指數：
相關推薦
數據挖掘案例分析-泰坦尼克號數據
一、數據挖掘流程介紹 1.數據讀取 -讀取數據 -統計指標 -數據規模 2.數據探索（特征理解） -單特征的分析，諸個變量分析對結果y的影響（x,y的相關性） -多變量分析（x,y之間的相關性） -統計繪圖 3.數據清洗和預處理 ...
泰坦尼克號之災分析
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 ...
數據分析-kaggle泰坦尼克號生存率分析
概述 1912年4月15日，泰坦尼克號在首次航行期間撞上冰山后沉沒，2224名乘客和機組人員中有1502人遇難。沉船導致大量傷亡的原因之一是沒有足夠的救生艇給乘客和船員。雖然幸存下來有一些運氣因素，但有一些人比其他人更有可能生存，比如婦女，兒童和上層階級。在本文中將對哪些人 ...
泰坦尼克號生存預測分析
此文發表在簡書，復制過來，在下方放上鏈接。 https://www.jianshu.com/p/a09b4dc904c9 泰坦尼克號生存預測 1.背景與挖掘目標 “泰坦尼克號”的沉沒是歷史上最臭名昭著的海難之一。1912年4月15日，泰坦尼克號在處女航中與冰山相撞后沉沒，2224名乘客 ...
泰坦尼克號沉沒之謎，用數據還原真相——Titanic獲救率分析（用pyecharts）
泰坦尼克號獲救率數據分析報告，用數據揭露真相。 一，船上乘客生存率分析報告 泰坦尼克號生存率僅有38%的，可見此次事件救援不力，救生艇嚴重不足，且泰坦尼克號號撞得是冰山，海水冷，沒有救生艇，在水里凍死的乘客不少。 二，哪個年齡段存活率最高（青年人（18歲以下），中年人（18到50歲 ...
利用python進行泰坦尼克生存預測——數據探索分析
最近一直斷斷續續的做這個泰坦尼克生存預測模型的練習，這個kaggle的競賽題，網上有很多人都分享過，而且都很成熟，也有些寫的非常詳細，我主要是在牛人們的基礎上，按照數據挖掘流程梳理思路，然后通過練習每一步來熟悉應用python進行數據挖掘的方式。 數據挖掘的一般過程是：數據預覽 ...
泰坦尼克號-數據挖掘項目實戰
一，典型課題研究 建立一個預測模型來回答以下問題：“什么樣的人更有可能生存？ 二，數據 1，數據源：https://www.kaggle.com/c/titanic 2，用到的庫： Numpy-科學計算庫 主要用來做矩陣運算，什么？你不知道 ...