前几节分享的内容都是基于图片数据进行了简单的分类工作，这节内容将应用keras对泰坦尼克旅客的文本数据进行预测，主要是做一个二分类的工作，根据官方提供的数据中的各项特征预测每个旅客生存的概率是多少。一.Titanic3数据集的下载1.导入相关使用到的库。这里的urllib库的作用主要是用于下载数据，os库用于判断文件是否存在，sklearn的preprocessing用于对文本数据进行预处理。im
转载
2024-07-30 10:23:52
108阅读
1.问题描述泰坦尼克号的沉没是历史上最臭名昭着的沉船之一。1912年4月15日，在首次航行期间，泰坦尼克号撞上冰山后沉没，2224名乘客和机组人员中有1502人遇难。这场轰动的悲剧震撼了国际社会，并导致了更好的船舶安全条例。海难导致生命损失的原因之一是没有足够的救生艇给乘客和机组人员。虽然幸存下来的运气有一些因素，但一些人比其他人更有可能生存。在本次实验中，请利用所学方法对历史数据进行全面地可视化
转载
2024-01-26 09:13:01
176阅读
# 统计泰坦尼克号灾难数据的Python实践
泰坦尼克号，一艘被誉为“永不沉没”的豪华邮轮，于1912年4月15日的第一次航行中不幸撞上冰山，导致1517人遇难。这个悲惨的事件激发了众多数据分析师和科学家的研究兴趣。他们希望通过对泰坦尼克号乘客数据的分析，揭示一些影响生存概率的因素。本文将展示如何使用Python进行数据统计，以深入了解泰坦尼克号灾难数据。
## 数据来源与准备
泰坦尼克号的
import pandas #ipython notebook
titanic = pandas.read_csv("titanic_train.csv")
titanic.head(5)titanic["Age"] = titanic["Age"].fillna(titanic["Age"].median()) #age将空值填充为平均值 （处理age）
titanic.describe()
转载
2023-08-02 13:51:20
183阅读
泰坦尼克号本文将从六个部分对泰坦尼克号的数据进行分析，分别为提出问题、理解数据、数据清洗、构建模型、模型评估和实施方案。一、提出问题在泰坦尼克号沉船事件中，有人幸存了、有人牺牲，那有什么因素会影响到成员的幸存几率了？这就是问题所在。所以，实验中会提供两份数据列表，一份是带有分类结果的有多项特征（因素）的数据，然后用前一份数据（之后称为训练数据）来训练学习模型，后一份数据（之后称为测试数据），用在学
转载
2024-07-11 20:01:16
68阅读
数据集来源于kaggle经典竞赛数据集
一、目的根据数据集中的信息，利用python机器学习对泰坦尼克乘客是否生还进行预测。二、数据集我的数据集有三个，test、train、genderclassmodel，都是csv格式test和train数据集中的字段： 从左到右依次是，乘客编号、是否生还、仓位、姓名、性别、年龄、船上同辈亲属的人数、乘客有父母或孩子的人数、船票号、旅费
转载
2024-01-10 17:40:00
144阅读
介绍泰坦尼克号是一艘著名的豪华客轮，在其处女航中遭遇灾难，导致1500多名乘客和船员丧生。在这个项目中，我们将基于泰坦尼克号数据集探索一个基于机器学习的问题，该数据集包含有关乘客的信息，如他们的年龄、性别、船舱等级以及他们是否在船沉没时幸存下来。本项目的目标是使用机器学习技术构建一个能够根据可用特征准确预测给定乘客是否在泰坦尼克号灾难中幸存的模型。这个问题不仅对历史感兴趣，还具有实际应用，比如改善
转载
2024-07-22 11:15:44
65阅读
文章目录数据引入和初步分析csv数据引入和概览初步探索分析PclassSexNameSibSpParchEmbarkedFare可视化分析AgeAge & SexPclass & AgePclass & Sex & EmbarkedEmbarked & Sex & Fare数据整理PassengerIdTitle将分类值转变为数值以便模型分析和预测
转载
2023-08-07 15:29:20
276阅读
接触数据挖掘内容较少，加之本次写作业较为匆忙，只能借鉴大佬思路进行相应的探索，后续会合理安排工作与学习时间，挤出时间认真完成作业！！数据探索之前断断续续做过中文文本分类项目，通过朴素贝叶斯原理，使用多项式算法建立模型对商品进行打标签，才算是首次接触数据挖掘，通过中文文本分类，第一次了解过拟合、交叉验证、TF-IDF、词向量等等术语，不断地加深对数据挖掘的认知，而本次泰坦尼克-数据挖掘项目，算是另一
转载
2023-12-21 20:40:05
61阅读
# 用Python分析泰坦尼克号沉船数据
泰坦尼克号是一艘著名的豪华客轮，它在1912年首次航行时撞上了冰山，导致1500多名乘客和船员遇难。这个悲剧引发了人们对海上安全的广泛关注。同时，泰坦尼克号也成为了数据分析和机器学习领域的重要案例。在本文中，我们将使用Python分析泰坦尼克号的数据，并尝试预测乘客的生存机会。
## 数据集介绍
我们将使用Kaggle上提供的“泰坦尼克号”数据集。这
泰坦尼克号代码简单分析流程分析 1、导入相关库和类 2、获取数据 3、数据处理 4、数据集划分 5、特征工程 6、决策树预估 7、模型评估内容介绍首先我们需要清楚我们的目标，就是通过船上乘客的信息分析和建模，预测哪些乘客得以生还。其次，我们在说明一下文件中各个英文单词的意思： PassengerId ：乘客的id号 Survived ：生存的标号，数值1表示这个人很幸运，生存了下来。数值0，则表示
转载
2024-01-02 16:43:17
59阅读
前言：泰坦尼克号数据集，是kaggle竞赛（Titanic: Machine Learning from Disaster）上入门机器学习（ML）的一个高质量的可选数据集，我们可以用这个数据集实践我们的机器学习知识，熟悉数据分析“数据获取→数据清洗→特征工程→建模分析→网格调参（超参数）→数据可视化”这个流程中每个环节。探索的问题：探寻泰坦尼克号上乘客的生还率和各个因素如（客舱等级、年龄、性别、上
转载
2023-06-21 10:24:40
296阅读
【目录】kaggle介绍项目练手：泰坦尼克号收获分享 一、kaggle介绍 kaggle是一个数据科学竞赛平台，创立于2010年，主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。kaggle官方表示，该社区目前在全世界范围内已有超过80万注册用户。 以上是官方介绍，我们换个角度来理解kaggle：kaggle是为了解决什么问题而被创造出
转载
2023-11-04 13:12:48
294阅读
学习了机器学习这么久，第一次真正用机器学习中的方法解决一个实际问题，一步步探索，虽然最后结果不是很准确，仅仅达到了0.78647，但是真是收获很多，为了防止以后我的记忆虫上脑，我决定还是记录下来好了。 1，看到样本是，查看样本的分布和统计情况#查看数据的统计信息
print(data_train.info())
#查看数据关于数值的统计信息
print(data_train.descri
转载
2023-10-07 15:05:19
120阅读
# 基于Python的“泰坦尼克号”项目指导
欢迎来到“泰坦尼克号Python”项目的学习之旅！这个项目旨在使用Python分析泰坦尼克号乘客数据，预测哪些乘客可能生还。下面的文章将指引你一步步完成这个项目。
## 项目流程
在开始我们的项目之前，让我们先概述一下整个流程。以下是完成泰坦尼克号项目的步骤表：
| 步骤 | 描述
文章目录一、建模基本流程二、结构化数据建模流程2.1 泰塔尼克号数据2.2 数据处理2.3 建立模型2.4 训练模型2.5 评估模型2.6 模型预测27 保存模型 一、建模基本流程数据处理建立模型训练模型评估模型模型预测保存模型二、结构化数据建模流程数据文件：链接：https://pan.baidu.com/s/1H3QBVLPv4WeUnIYH92OKEA?pwd=wh77
提取码：wh77
转载
2024-02-04 10:35:21
136阅读
连续变量对获救情况的影响Age–> 连续值特征对结果的影响print('Oldest Passenger was of:',data['Age'].max(),'Years')
print('Youngest Passenger was of:',data['Age'].min(),'Years')
print('Average Age on the ship:',data['Age'].m
转载
2023-12-10 10:00:05
250阅读
一：题目解读1.1数据读取读取训练集的数据。data = pd.read_csv('data/train.csv')
data.head()1.2字段解释PassengerId: 乘客ID Survived: 是否生存，0代表遇难，1代表还活着 Pclass: 船舱等级：1Upper，2Middle，3Lower Name: 姓名 Sex: 性别 Age: 年龄 SibSp: 兄弟姐妹及配偶个数
转载
2024-08-22 19:01:57
90阅读
泰坦尼克船员获救数据： titanic_train.csv用excel打开数据集。显示如下：写在前边：np和pd.import pandas as pd #造pandas的别名为pd
import numpy as np #造numpy的别名为np 一、读取数据import pandas as pd #造pandas的别名为pd
i
转载
2024-04-23 08:38:11
88阅读
Kaggle入门——Titanic（一）最近开始接触Kaggle，并且希望借此机会学习一下PyTorch，因此开坑一下这个系列，主要是借助PyTorch搭建模型来解决Kaggle的问题，由于PyTorch和Kaggle都是入门，所有错误在所难免，大家别当做什么入门宝典== 问题大致就是船倒了，旅客需要逃生，但是救生艇的数量是有限的，没有办法每个人都坐上救生艇，然后副船长说出了女士和小孩优先，由此可
转载
2023-12-27 10:20:34
133阅读
