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 ...
原文：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 . 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，通過tf.GradientTape 迭代，使用tape.gradient 梯度下降，使用optimizer.apply gradients 更新模型權重，逐次逼近，完成模型訓練。 使用Keras高層接口 Tenso ...
2019-05-11 14:18 0 887 推薦指數：
相關推薦
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 ...
用決策樹做泰坦尼克號乘客的生存預測
； test.csv: 測試數據集，只包含特征信息。 我們需要做的，就是使用訓練集的數據，構建決策樹，然后對測試集數 ...
決策樹算法6-案例：泰坦尼克號乘客生存預測
1 案例背景 泰坦尼克號沉沒是歷史上最臭名昭着的沉船之一。1912年4月15日，在她的處女航中，泰坦尼克號在與冰山相撞后沉沒，在2224名乘客和機組人員中造成1502人死亡。這場聳人聽聞的悲劇震驚了國際社會，並為船舶制定了更好的安全規定。 造成海難失事的原因之一是乘客和機組人員沒有足夠的救生艇 ...
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 ...