titanic 第3页

Kaggle实战入门：泰坦尼克号生还预测（基础版）

Kaggle实战入门：泰坦尼克号生还预测1.加载数据2.特征工程3.模型训练4.模型部署泰坦尼克号（Titanic），又称铁达尼号，是当时世界上体积最庞大、内部设施最豪华的客运轮船，有“永不沉没”的美誉

机器学习Zero·2023-03-22 07:55

机器学习实战_Kaggle泰坦尼克号(1探索及特征工程)

Titanic作为经典的入门二分类Kaggle比赛，最近抽时间对这个比赛重新再做了一遍数量。

Scc_hy·2023-03-22 07:24

方的ScalersTalk第四轮新概念朗读持续力训练Day175 20200202

练习材料：Thegreatship,Titanic,sailedforNewYorkfromSouthamptononApril10th，1912.Shewascarrying1，316passengersandcrewof891

daisy境界的彼方·2023-03-21 16:12

泰坦尼克号生存预测分析

关于泰坦尼克（Titanic)的生存分析在网上大多比较深入，我自己看过一部分然后进行了比较多的练习后还是觉得自己要做一定的整理才能对相关函数和模型有更好的认识。

Vivus·2023-03-17 13:30

Python之pandas文字数据处理

1.导入模块In[1]:importpandasaspd2.导入表格数据>>>titanic=pd.read_csv(r"C:\Users\Administrator\Desktop\titanic.csv

Brendansmisle·2023-03-12 16:23

catboost 学习案例

fromcatboost.datasetsimporttitanicimportnumpyasnptrain_df,test_df=titanic()train_df.head()1.1FeaturePreparation

吃肉的小馒头·2023-03-11 18:04

Python之pandas过滤特定的行和列

1.导入pandas模块>>>importpandasaspd2.导入数据>>>titanic=pd.read_csv(r'C:\Users\Administrator\Desktop\titanic.csv

Brendansmisle·2023-02-07 03:28

Kaggle系列之预测泰坦尼克号人员的幸存与死亡(随机森林模型)

我们选择一个预测的入门的例子：https://www.kaggle.com/competitions/titanic目的是使用机器学习创建一个模型，预测哪些乘客在泰坦尼克号沉船事故中幸存了

寅恪光潜·2023-02-05 02:56

应用回归分析——线性回归

准备①导入文件查看默认存储路径，再将csv文档存入文件夹打开：(使用逗号作为小数点、分号作为字段分隔符的地区中使用csv2）getwd()read.csv("titanic.csv")导入所需包library

小新122·2023-02-04 04:29

Titanic机器学习——如何处理缺失值

ExploratoryDataAnalysis探索性数据分析：对数据进行清洗，对数据进行描述（描述统计量，图表），查看数据的分布，比较数据之间的关系，培养对数据的直觉，对数据进行总结等。FeatureEngineering特征工程是将原始数据“翻译”成模型可理解的形式，是机器学习工作流程中的重要组成部分在机器学习和模式识别等领域中，一般需要将样本分成独立的三部分训练集（trainset），验证集（

Erick Yu·2023-02-01 10:29

kaggle实战之Titanic - Machine Learning from Disaster

很多小伙伴在学习完数据分析和机器学习之后想找一些项目进行实战训练，不仅可以巩固自己的知识，还可以学习到新的技能来扩展自己的技能树。kaggle、天池、DF、DC等等都是一些很不错的竞赛学习网站，特别是kaggle和天池含金量很高，如果你能够在这两个竞赛中取得一个不错的成绩那么在面试中是一个很大的加分项。这些网站不仅可以锻炼自己的竞赛水平，而且可以学习到很多实用的算法和方法，如当我们使用RF、GBD

xz---·2023-01-31 09:04

Kaggle 案例之“泰坦尼克号幸存者预测”

Titanic:MachineLearningfromDisasterKaggle是机器学习竞赛、托管数据库、编写和分享代码的平台，只要数据分析、机器学习、深度学习的从业者就一定会知道Kaggle。

李威威·2023-01-29 01:29

Kaggle Titanic Tutorial by Manav Sehgal

Datascienceworkflow:definequestiongettrainning&testingdatapreparedata,suchascleansedataexploredata,suchasfindcertainpattern,andanalyzeit.predictdata,buildthemodelreport&visualizegoal:findcorrelationam

HourByHour·2023-01-27 16:07

Kaggle系列（1）——Titanic

文章目录@[toc]0x01、项目介绍0x02、项目过程简述0x03、数据探索与分析3.1数据的大致了解3.2查看各项数据的分布3.2.1数值统计3.2.2绘图观察3.3分析过程3.4缺失值与异常值观察3.5数据探索的总结0x03、预处理3.1数据清洗3.1.1缺失值补全3.1.2字段转换3.2数据编码和归一化3.3取需要的字段0x04、建立模型4.1逻辑回归模型4.2交叉验证0x05、总结与展望

陌简宁·2023-01-27 16:05

Titanic 泰坦尼克号预测-Tensorflow 方法-【Kaggle 比赛】

本文介绍Kaggle入门比赛Titanic泰坦尼克号幸存预测的解题思路，使用的是神经网络和Tensorflow框架。提交代码附在本文的最后部分。

Tim_Van·2023-01-27 16:34

KNN、决策树、随机森林..调参学习笔记

实例：Titanic生存率预测实例（通过sklearn实现Knn，决策树，线性回归）importpandasaspdfromIPython.displayimportdisplaytrain=pd.read_csv

RichChigga_·2023-01-27 08:00

pytorch实现titanic数据预测

用最近流行的pytorch实现一遍importtorchimportpandasaspdimportnumpyasnpimporttorch.nn.functionalasFimportmatplotlib.pyplotaspltfromtorch.utils.dataimportDataLoader,Dataset#ConfigurationsOLD_INDEX=['Pclass','Sex',

KavinDotG·2023-01-26 02:58

kaggle再一次入门~经典入门级竞赛~Titanic

题外话：想着更早的接触到数据竞赛，就可以更早的学到理论，练到技术，拿到名次，赚得奖金~功利心太重了，屡屡开始入门比赛，屡屡不了了之。加入俱乐部，发现大家本科就知道这些，已经参加了各种数据科学竞赛，并且有了不小的学习成就和心得体会，当然还有白花花的银子，然而，我没有在第一时间找到小白同学共同学习，没有抱紧大佬大腿努力学习，而是打算自己慢慢摸爬滚打入门，再找大家交流。结果自己没有摸出门道，提前放弃，一

小卜妞~·2023-01-23 14:04

python-数据清洗及特征处理

数据清洗及特征处理数据集下载：https://www.kaggle.com/c/titanic/overview在数据分析中我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等

黎小强同学·2023-01-19 15:50

Kaggle入门Titanic详解

Kaggle入门Titanic详解一、数据集下载二、数据集处理三、定义网络四、训练五、生成输出六、提交一、数据集下载进入https://www.kaggle.com/c/titanic比赛页面，下载数据集

spln13·2023-01-18 13:28

Datawhale---动手学数据分析---第一章：数据载入及初步观察(泰坦尼克的任务)

1.1载入数据数据集下载Titanic-MachineLearningfromDisaster|Kaggle1.1.1任务一：导入numpy和pandasimportnumpyasnpimportpandasaspd1.1.2

风筱~·2023-01-18 13:55

kaggle平台学习复习笔记 | 数据划分与模型集成

目录数据集划分与交叉验证模型集成方法Titanic为例的简单应用kaggle比赛相关tips数据集划分与交叉验证数据集划分通常有两种方法：留出法(Hold-out)适用于数据量大的情况K折交叉验证(K-foldCV

加油strive·2023-01-16 07:19

应用虚拟环境复现github上的项目

Downloadthisrepositoryinazipfilebyclickingonthislinkorexecutethisfromtheterminal:gitclonehttps://github.com/agconti/kaggle-titanic.gitInstallvirtualenv.Navi

风夜炫·2023-01-15 07:08

AttributeError: '_csv.reader' object has no attribute 'next'

csv.reader'objecthasnoattribute'next'importcsvimportnumpyasnpwithopen('C:/Users/Administrator/Desktop/data/titanic.csv

weixin_30733003·2023-01-14 12:25

Pandas 透视表、字符串向量化、时间序列

#以泰坦尼克号数据为例⼦进⾏展示importnumpyasnpimportpandasaspdimportseabornassnstitanic=sns.load_dataset("titanic")print

夕麻·2023-01-14 03:57

Kaggle竞赛——Titanic泰坦尼克之灾（保姆级基础版）

Kaggle竞赛网址：https://www.kaggle.com/c/titanic本次Kaggle泰坦尼克之灾分析过程大致分为：第1步：了解数据第2步：分析数据之间的关系第3步：缺失项数据处理第4步

Apollo丶小杨·2023-01-13 13:25

[kaggle竞赛实践2] Titanic幸存预测问题--ID3决策树解决方案

==尽管试了很长时间，正确率也只能到75%，也许用其他的决策树方法能达到更高的效果吧。这次主要用的是决策树方法去解决问题的，在机器学习实战的ID3决策树算法上进行扩展的。发现了机器学习实战决策树的一个bug，同时领会到决策树的一个局限性。都在文章里了，结构大致如下：1问题分析2解决方案3问题收获1问题分析我们的问题和上一篇kaggle的一样，还是TitanicKaggle的预测问题。这次使用决策树

虾米ning·2023-01-13 13:13

[kaggle竞赛实践] Titanic幸存预测问题--logistic回归解决方案

题目如下，给定Titanic上乘客的资料，预测他们幸免于难的概率，训练集合如下，测试集合类似，只不过Survived与否需要自己预测这个只是个题目，可以用之前学到的机器学习算法练练手，我主要采用了AndrewNg

虾米ning·2023-01-13 13:43

kaggle竞赛实践

参考：(10条消息)【Kaggle】参加竞赛基本流程（以Titanic为例）_Vincent__Lai的博客-CSDN博客(9条消息)Kaggle竞赛——Titanic泰坦尼克之灾（0.76315==＞

TTTournesol·2023-01-13 13:41

Numpy中的.mean()和mean的区别

今天我在对Titanic数据进行处理的过程中发现一个非常有意思的事情。

蜉蝣zjx·2023-01-11 12:50

【pandas】教程：10-文本数据的操作

Pandas文本数据的操作本节使用的数据为data/titanic.csv，链接为pandas案例和教程所使用的数据-机器学习文档类资源-CSDN文库读入数据importpandasaspdtitanic

黄金旺铺·2023-01-11 09:21

泰坦尼克号幸存者的预测

本次数据集来自kaggle，可从该地址https://www.kaggle.com/competitions/titanic/data自行下载。

杖卫·2023-01-10 16:15

决策树--＞预测泰坦尼克号哪些人可以幸存

决策树–>预测泰坦尼克号哪些人可以幸存1、数据地址https://datahub.csail.mit.edu/download/jander/historic/file/titanic.csv数据描述2

弓长德帅的博客·2023-01-10 09:27

基于pytorch简单线性神经网络处理Titanic数据预测笔记

处理好的数据带有索引行，所以不需要第一行用np.loadtxt读取CSV文件和pd.read_csv区别用法pd.read_csv('xxxx.csv')np.loadtxt(filepath,delimiter=',',dtype=np.float32,skiprows=)读取后的数据类型x_data=np.loadtxt('p_train.csv',delimiter=',',dtype=np

duke_97·2023-01-05 03:41

python训练数据集_用pandas划分数据集实现训练集和测试集

1、使用model_select子模块中的train_test_split函数进行划分数据：使用kaggle上Titanic数据集划分方法：随机划分123456789#导入pandas模块，sklearn

weixin_39906878·2023-01-02 09:08

【pandas】教程：6-如何计算摘要统计

Pandas计算摘要统计本节使用的数据为data/titanic.csv，链接为pandas案例和教程所使用的数据-机器学习文档类资源-CSDN文库加载数据importpandasaspdtitanic

黄金旺铺·2022-12-31 20:20

【pandas】教程：7-调整表格数据的布局

Pandas调整表格的布局本节使用的数据为data/titanic.csv，链接为pandas案例和教程所使用的数据-机器学习文档类资源-CSDN文库导入数据importpandasaspdtitanic

黄金旺铺·2022-12-31 20:20

使用LightGBM和GridSearchCV预测Titanic数据集

对于Titanic数据集预测的初次尝试，主要使用的是LightGBM和GridSearchCV。

silentwilliam·2022-12-28 15:39

【pandas】教程：2-读写表格数据

pandas读写表格数据读取Titanic乘客数据pandas提供了read_csv()函数，将存储为csv文件的数据读取到pandasDataFrame中。

黄金旺铺·2022-12-28 04:41

机器学习-数据科学库 11 泰坦尼克号生还情况案例

数据准备参考：https://github.com/datasciencedojo/datasets/blob/master/titanic.csvimportnumpyasnpimportpandasaspdfrompandasimportSeries

eddiechen10081·2022-12-27 08:58

泰坦尼克号—数据分析（单因素、多因素分析）

一、提出问题：获救与其他因素（性别、年龄、舱位）的关系大小二、整理数据：数据来源：经典的titanic数据分析，大多数人都会从这个案例做教学或者做练习，数据可从kaggle（https://www.kaggle.com

LiJiaqian.·2022-12-27 08:58

Kaggle Titanic Challenges 生存预测数据预处理模型训练交叉验证步骤详细解析

本博客所有内容均整理自《Hands-OnMachineLearningwithScikit-Learn&TensorFlow》一书及其GitHub源码。看《Hands-On》一书至第三章，习题里面后两题是实际操作的编程题，自己初步动手效果不错，特此记录一下。运行环境：JupyterNotebook语言：Python3.6.40、题目描述Kaggle的TitanicChallenges经典题源自那次

Leonardo Liu·2022-12-26 11:44

数据分析——泰坦尼克号乘客数据集

数据分析——泰坦尼克号（五）第三章数学模型的建立和评估泰坦尼克号乘客数据：https://www.kaggle.com/c/titanic/overviewDatawhale开源课程：https://github.com

Compass_NULL·2022-12-25 10:06

东北大学2020级数据科学基础（Matlab）非计算机类大作业——Titanic幸存者分析

首先感谢大佬@自由散漫惯kaggle经典题–“泰坦尼克号”–0.8275准确率–东北大学20级python大作业开源（附详细解法与全部代码以及实验报告）本文matlab代码：本文matlab代码提取码：kx6m文章目录1题目2任务分析3实验过程3.1数据预处理3.1.1观察数据3.1.2建立MAT文件3.1.3特征规范化3.1.4填充空缺值a寻找空缺值b先分类再填充iKNN分类填充ii中位数填充i

jasss_7·2022-12-25 10:34

cnn测试集准确率比训练集低_【ML-Titanic】（五）训练模型评估测试集

通过对Titanic船上人员的信息来判断是否生还，已经明确过这是一个二元分类器。训练样本数据已经全部处理完，并保存在df变量中，接下来就可以训练模型进行数据训练。

weixin_39946534·2022-12-24 23:27

Graphviz：决策树.dot文件可视化

step1.现在我已经有一个叫titanic.dot的文件，里面是生成的决策树。step2.将该文件拷贝到下载的Graphviz的

X__Poppy·2022-12-24 18:07

Titanic 泰坦尼克之灾 | Kaggle| 入门 1

写这篇博客，有两个目的：1.我是一个kaggle新手，刚刚完成这个入门项目，想做一个总结。2.给别的小伙伴讲讲这个项目，顺便提升自己的理解。如果文中有问题，请在评论区一起讨论，谢谢。流程总结：1.观察数据，通常使用data.head()和data.columns.unique()来观察数据的大概情况和特征情况。2.数据清洗3.特征提取4.建立模型5.输出结果1.项目说明：1.1目的像很多课程中的机

yonsan_·2022-12-24 12:12

Kaggle入门题目：基于神经网络的Titanic disaster存活预测

Excel原始数据处理训练集原始数据（部分）数据处理方法（1）舍弃部分数据：无明显规律（Name），格式不统一（Ticket），大量缺失的数据（Cabin）；（2）Sex：male编码1，female编码0；（3）Embarked：S编码1，C编码3，Q编码2；（4）少量缺失的数据以平均值填补（Age，平均值26.273）；（5）测试集进行相同的处理。处理后的数据神经网络搭建及代码在完成数据的基本

没有感情的任务管理器·2022-12-23 16:39

【再学Tensorflow2】TensorFlow2的建模流程：Titanic生存预测

TensorFlow2的建模流程1.使用Tensorflow实现神经网络模型的一般流程2.Titanic生存预测问题2.1数据准备2.2定义模型2.3训练模型2.4模型评估2.5使用模型2.6保存模型参考资料在机器学习和深度学习领域

镰刀韭菜·2022-12-22 07:37

keras多层感知机+titanic数据集

目录关于数据集数据集下载数据预览数据集预处理删除列数据查看各个特征值的缺失值情况null值填充字符串数据转化为数值dataframe数据转化为ndarray数据数据标准化总述keras多层感知机模型构建线性模型构建模型编译及训练训练结果可视化测试数据集模型保存关于数据集数据集下载传送门：kaggle官网本博客参考：《tensorflow+keras深度学习人工智能实践应用林大贵著》数据预览列数据说

夺笋123·2022-12-21 19:29

推荐频道

titanic