1. 写在前面: 本篇属于实战部分，更注重于算法在实际项目中的应用。如需对感知机算法本身有进一步的了解，可参考以下链接，在本人学习的过程中，起到了很大的帮助：统计学习方法 李航决策树算法原理 等共2篇 2. 数据集：数据集地址：https://www.kaggle.com/c/titanicTitanic数据集是Kaggle上参与人数最多的项目之一。数据本身简单小巧
转载
2024-01-09 13:11:41
312阅读
数据是大数据时代互联网巨头们傲视群雄的秘密武器。当我们想要接触一个数据驱动型的新领域（如语音识别）时，往往囿于没有足够成熟的数据做实验而举步维艰。幸运的是，有很多机构将他们的成熟的数据公开出来，供我们学习、研究，TIMIT数据库就是其中之一。 TIMIT全称The DARPA TIMIT Acoustic-Phonetic Continuous Speech Corpus,
转载
2024-06-18 15:39:36
128阅读
Titanic生存率预测 1 提出问题什么样的人在泰坦尼克号中更容易存活？2 理解数据2.1 采集数据从Kaggle泰坦尼克号项目页面下载数据： 2.2 导入数据 2.3 查看数据集信息 从结果来看，数据总共有1309行。其中数据类型列：年龄（Age）、船舱号（Cabin）里面有缺失数据：1
## R语言与Titanic数据集的入门指南
### 1. 引言
作为一名刚入行的小白，学习如何使用R语言进行数据分析是迈向数据科学的重要一步。Titanic数据集是一个经典的样本数据集，特别适合用于学习基本的数据处理与分析技巧。接下来的内容将引导您如何在R中加载和使用Titanic数据集。
---
### 2. 整体流程
在我们开始之前，先简要概述一下一般流程。下表展示了使用Titan
写在前面：本篇文章记录了整个复现过程遇到的报错等问题，如果大家也遇到报错了不妨从文章中找一找，也许就能找到对应的解决办法。一、数据预处理需要准备好semantic_kitti完整的数据集，将数据集中每个场景按下图进行布置。可以直接利用官网下载下来的数据集中data_odometry_labels这个文件夹，直接将其中的数据复制成一个新的文件夹即可。阅读，data_prepare_semantick
kaggle没有notebook的文件夹系统让我很不满意，决定以后把自己练习的过程都搬上。目录1.引入库2.准备数据集3.定义模型4.调用优化器和损失函数5.run 训练集6.用训练集的参数run 测试集1.引入库import numpy as np
import pandas as pd
import torch
from torch.utils.data impo
转载
2024-01-01 23:57:08
279阅读
摘要本文以R语言为基础，利用数据预览，探索式数据分析，缺失值的填补，增加新特征以及去除相关特征等方法，并通过构建随机森林模型，参数调优的方式对kaggle上的泰坦尼克项目进行了生存预测，结果是得分为0.81818，前4%。一、项目介绍泰坦尼克生存预测是Kaggle上参赛人数较多的竞赛之一，对于数据爱好者来说是初入机器学习领域相对比较容易的比赛，属于入门级比赛项目。比赛的目的其实很简单
转载
2023-08-13 22:17:01
718阅读
文章目录数据描述导入数据变量含义数据清洗检查缺失值及重复值探索性分析钻石的形状钻石的重量分布每种切割类型、颜色、清晰度的钻石分别有多少个钻石的价格最昂贵的10只钻石的属性信息理想切割、颜色和清晰度最好的钻石的价格钻石各属性与价格的关系整体价格分布情况不同切割状态钻石的价格分布不同颜色钻石的价格分布不同透明度的价格分布钻石长宽深与价格之间的关系不同切割类型的钻石，价格是否具有显著性差异？价格分布的
转载
2023-10-16 22:08:05
284阅读
# 项目方案：在R语言中打开Titanic数据集
## 1. 引言
Titanic数据集是一个经典的数据分析案例，来自于1912年著名的泰坦尼克号沉船事件。它包含了乘客的各种信息，如是否生存、舱位、性别、年龄等。通过对这个数据集的分析，我们不仅可以进行统计分析和数据可视化，还可以应用机器学习模型进行生存预测。本项目的目标是使用R语言打开Titanic数据集，进行基本的数据探索，以及进行数据的清
主要内容：一、 对数据缺失值进行处理在R语言中，处理数据缺失值是数据预处理的一个重要步骤，通常采用以下方法： 识别缺失值： 在R中，缺失值通常用NA表示。你可以使用函数is.na()或complete.cases()来检测缺失值。删除缺失值： 如果缺失值很少，你可以选择删除包含缺失值的行或列。# 检查整个数据框中的缺失值
is.na(your_data_frame)
# 通过列查看缺失值
col
转载
2024-06-11 13:34:20
104阅读
1 研究任务一介绍1.1 研究任务实验首先对Titanic数据集进行数据分析和清理，然后分别采用Logistic Regression（逻辑回归）、Support Vector Machines（SVM,支持向量机）、Decision Tree Classifier（决策树分类器）、Random Forest Classifier（随机森林分类器）等机器学习算法预测哪些乘客在这场悲剧中幸
转载
2024-06-27 20:47:41
75阅读
项目背景：本项目从数据分析的角度，寻找与生存率项目相关的生存因素，建立逻辑回归模型预测tantic人员生存情况。1.提出问题：找出最优模型来预测titanic乘客生存结果项目概况：Titanic号的沉没是历史上最惨痛的沉船事故之一。在1912年4月15号，Titanic首次航行便因撞击冰山而沉没。在2224名乘客和船员中，有1502人因事而死亡。这场事故令世界为之震惊，随之便引起了人们
数据挖掘相关知识与工具
Python 数据分析工具库：
数组处理：Numpy简介：python 强大的数组库安装：pip install Numpy官网 : http://www.numpy.org/
矩阵运算：Scipy简介：提供矩阵运算及大量的基于矩阵运算的数组和对象，它依赖与Numpy,安装前需安装Numpy。功能：最优化、线性代数、积分、插值、拟合、特殊函数、
# 如何使用 Python 下载 Titanic 数据集
## 简介
在这篇文章中，我将向你介绍如何使用 Python 下载 Titanic 数据集。Titanic 数据集是一个经典的机器学习数据集，用于预测乘客在 Titanic 号船上的生存情况。本文将指导你从头开始，完成下载数据集的整个过程。
## 整体流程
下面是完成这个任务的整体流程，我们将使用 pandas 和 requests 这
原创
2023-11-20 04:11:18
477阅读
运行环境：Anaconda——Jupyter Notebook Python版本为：3.6.6数据集:lense.txt 提取码：9wsp1.决策树决策树也是最经常使用的数据挖掘算法，长方形代表判断模块（decision block），椭圆形代表终止模块（terminating block），表示已经得出结论，可以终止运行。从判断模块引出的左右箭头称作分支（branch），它可以到达另一个判断模块
转载
2024-01-09 22:18:35
70阅读
一.数据描述
1.1 数据加载
加载所需数据与所需的python库。
import statsmodels.api as smimport statsmodels.formula.api as smfimport statsmodels.graphics.api as smgimport patsy%matplotlib inlineimport matplotlib.pyplot as plt
转载
2021-06-19 13:09:02
418阅读
2评论
在上一篇【sklearn】1.分类决策树学习了sklearn决策树的一些接口后，现在利用kaggle上泰坦尼克号的数
原创
2022-08-23 17:17:30
643阅读
在机器学习中，将数据集A分为训练集（training set）B和测试集（test set）C，在样本量不充足的情况下，为了充分利用数据集对算法效果进行
原创
精选
2024-09-11 13:57:59
571阅读
点赞
初识决策树决策树是一个类似于人们决策过程的树结构，从根节点开始，每个分枝代表一个新的决策事件，会生成两个或多个分枝，每个叶子代表一个最终判定所属的类别。例如，如下是一个决策树，代表薪水大于30W的男性会买车。我们可以很容易的写出IF Else来实现决策树的判定。上述的决策树有两个特征区间，性别和年龄，最终的结果有两个类别，买和不买。决策树流程我们在实际的大数据分析中，一般对决策树分为四个步骤：生成
转载
2023-12-14 13:41:24
60阅读
# 如何在R语言中引用titanic数据
## 介绍
在R语言中，我们可以使用内置的数据集来进行数据分析和建模。其中一个常见的数据集是titanic数据集，它包含了泰坦尼克号上乘客的信息。本文将教你如何在R语言中引用titanic数据集，以便你可以进行进一步的数据分析和建模。
## 流程
下面是引用titanic数据集的步骤：
| 步骤 | 描述 |
| --- | --- |
| 步骤1
原创
2023-12-09 03:44:51
145阅读
