小白根据前人经验尝试对泰坦尼克之灾进行预测分析
预测乘客是否能在泰坦尼克之灾中幸存下来。
1. 首先导入数据库和数据：
2. 观察数据，查看数据各列数据类型，数据大小以及缺失值状况
3. 查看老人小孩（假定13岁以下为小孩）的人数占比
缺失值处理，按照以下原则对缺失值进行处理：
1. 连续型变量用平均数或者中位数填充；
2. 分类型变量用众数填充；
3. 缺失值>40%的直接丢弃；
训练集和测试集同时进行相同的数据处理流程：
1. 对sex和Embarked进行one-hot-code处理，
导入库，建立模型的对象，划分数据集，训练模型，然后进行预测：
（如图所示，预测结果的准确度不是很高，说明特征工程做的不好，后面还需要继续加强这方面的练习）
导出预测结果：
a即为乘客Id和对应预测能否幸存的关系表。
小白根据前人经验尝试对泰坦尼克之灾进行预测分析 一、确认目标 预测乘客是否能在泰坦尼克之灾中幸存下来。 二、数据探...
项目介绍 基于kaggle提供的泰坦尼克之灾数据，使用python与sklearn机器学习模块，预测乘客的存活状况...
下一节：特征关系分析 一、导览 泰坦尼克之灾数据集本文译自kaggle上的处理泰坦尼克号数据集的这篇Noteboo...
刚刚开始接触Kaggle，根据官网的推荐先拿titanic竞赛练练手，先撸一个baseline出来再慢慢优化。 前...
泰坦尼克之灾是kaggle的一个入门案例，本文是我关于这个比赛的一些记录 1、jupyter notebook的安...
泰坦尼克之灾是kaggle的一个入门案例，以下是这个比赛的一些记录： 1、jupyter notebook的安装 ...
之前已经写过一篇关于这个比赛的简书，简单的描述了比赛的大致流程，参考简书。在这之后又看了rank3的kernal，...
关于比赛的基本操作描述，参考简书。学习了比赛中排行第三（rank3）的源码kernal，参考链接，对比起来内容更加...
之前有写过两篇关于Titanic比赛的简书，这几天上kaggle-Titanic的kernels在MostVost...
竞赛背景 泰坦尼克号的沉没是历史上最臭名昭著的海难之一。 1912年4月15日，在她的处女航中，被广泛认为的“沉没...
本文标题：泰坦尼克之灾_Kaggle
本文链接：https://www.haomeiwen.com/subject/tdpopctx.html
网友评论