1.数据介绍
2.数据预处理
3.回归模型
4.随机森林模型
5.特征选择
image.png
image.png
image.png
image.png
使用均值填充缺失的值‘
image.png
image.png
image.png
衡量模型效果，KFold
image.png
image.png
image.png
改成逻辑回归
image.png
使用随机森林:
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
1.数据介绍2.数据预处理3.回归模型4.随机森林模型5.特征选择 使用均值填充缺失的值‘ 对男女进行数值处理 衡...
本例使用sklearn进行kaggle案例泰坦尼克Titanic船员获救预测 环境：python3+Anacond...
练习：泰坦尼克号获救数据预测，预测人员获救与哪些因素有关。 1. 读取数据 运行结果如图1所示： 从图中可以看出数...
本文将用“泰坦尼克船员获救预测”这一案例展示一下使用线性回归建模的流程。 1.数据理解 首先导入原始的数据并展示数...
集成算法
ML之LoR：kaggle比赛之利用泰坦尼克号数据集建立LoR模型对每个人进行获救是否预测 比赛要求：根据训练集数...
机器学习环境：Pycharm + Python3.6数据来源：Kaggle网站 https://blog.csdn...
1.案例说明 通过已知获救数据，预测乘客生存情况 2.查看数据 3.数据预处理 其中Age,Cabin,Embar...
泰坦尼克生存预测问题是机器学习入门的经典案例，通过分析已知训练集的乘客信息和生存结果，对预测集中的乘客做出预测。简...
kaggle竞赛数据集 泰坦尼克幸存者预测 官网 数据预处理 1. 统计分析pclass船票等级 结果： 2. 统...
本文标题：04Kaggle竞赛案例-泰坦尼克获救预测
本文链接：https://www.haomeiwen.com/subject/oknllhtx.html
网友评论