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 ...
原文：泰坦尼克號之災分析
大神經驗： 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，以及我們模型下的bad case和產生的原因 等等。 對數據的認識太重要了 數據中的特殊點 離群點的分析和處理太重要了 特征工 ...
2018-08-18 11:41 1 1185 推薦指數：
相關推薦
泰坦尼克號獲救問題
...
泰坦尼克號幸存預測
本次項目主要圍繞Kaggle上的比賽題目: "給出泰坦尼克號上的乘客的信息, 預測乘客是否幸存" 進行數據分析 環境 win8, python3.7, jupyter notebook 目錄 1. 項目背景 2. 數據概覽 3. 特征分析 4. 特征工程 5. 構建模型 正文 ...
Kaggle泰坦尼克號案例
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 ...
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 ...
TensorFlow從1到2（十四）評估器的使用和泰坦尼克號乘客分析
三種開發模式 使用TensorFlow 2.0完成機器學習一般有三種方式： 使用底層邏輯 這種方式使用Python函數自定義學習模型，把數學公式轉化為可執行的程序邏輯。接着在訓練循環中， ...
Kaggle泰坦尼克號生存情況預測
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.k ...