您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 泰坦尼克数据集及预测生存源码

  2. 经典又兼具备趣味性的案例泰坦尼克号问题源码。大家都熟悉的『Jack and Rose』的故事,豪华游艇倒了,大家都惊恐逃生,可是救生艇的数量有限,无法人人都有,副船长发话了『lady and kid first!』,所以是否获救其实并非随机,而是基于一些背景有rank先后的。 训练和测试数据是一些乘客的个人信息以及存活状况,要尝试根据它生成合适的模型并预测其他人的存活状况。 对,这是一个二分类问题,很多分类算法都可以解决。
  3. 所属分类:Python

    • 发布日期:2018-08-14
    • 文件大小:100kb
    • 提供者:u014243649
  1. AdaBoost-Classifier-源码

  2. AdaBoost分类器 对于此任务,我将AdaBoost分类器方法应用于基于泰坦尼克号坠机事件下载的数据集。 该数据集包含891个样本用于训练模型和418个样本用于测试。 总体而言,数据集中有13个要素,其中我仅选择了5个进行分类。 为了实现上述分类方法,我使用了Python。 我在Python中使用了两个库,即pandas和sklearn。 为了使用给定的库,我们需要首先执行以下命令: sudo pip install pandas sudo pip install -U scikit-l
  3. 所属分类:其它

    • 发布日期:2021-03-26
    • 文件大小:35kb
    • 提供者:weixin_42161450
  1. machine_learning_projects::robot:机器学习项目-源码

  2. 机器学习项目 该存储库包含我在第一周完成的数据科学项目。 这些项目涵盖数据分析和可视化,功能工程,不同机器学习模型(随机森林,线性回归,决策树,朴素贝叶斯,ARIMA)的应用,超参数优化和正则化,自然语言处理和时间序列分析。 Gapminder-可视数据分析 数据: 目标:创建动画散点图 描述性统计,使用Matplotlib和Seaborn进行绘图 泰坦尼克号-分类项目 数据: 目标:应用机器学习模型预测泰坦尼克号上的乘客生存 探索泰坦尼克号数据集并建立基线模型 训练逻辑回归和随机森林分类
  3. 所属分类:其它

  1. Capstone_project_Titanic_Survival:这是Udacity机器学习纳米学位项目的回购,用于泰坦尼克号灾难生存预测-源码

  2. 使用机器学习预测泰坦尼克号灾难的生存 我为Udacity的机器学习工程师Nanodegree设计的项目重点是根据包含乘客数据(例如姓名,年龄,性别,社会经济舱等)的数据集,预测哪些乘客在泰坦尼克号沉船事故中幸存下来。 也就是说,我们正在尝试建立一个预测模型来回答以下问题:“什么样的人更有可能生存?” 该项目的目标属于分类类别。 为了解决此问题,我同时使用了Azure的自动ML(AutoML)功能和Azure的HyperDrive超参数调整工具。 比较每个实验中的最佳模型以找到性能最高的模型,然
  3. 所属分类:其它

  1. Titanic-源码

  2. 泰坦尼克号 一个分类问题,与预测泰坦尼克号沉没灾难中的乘客的生存情况有关。 通过查看,分析和可视化具有因变量(即“生存”)的不同特征之间的关系和估计效果来开始问题。 通过各种图表(如直方图,条形图,使用matplotlib和seaborn库的点图)可视化每个变量。 通过使用数字数据类型的均值和分类数据类型的均值填充具有缺失值的要素来完成训练和测试数据集。 执行特征工程以排除在预测中具有可忽略的重要性的特征。 使用一键编码处理分类变量。 使用Logistic回归(准确度分数= 0.8),决策树(准
  3. 所属分类:其它

  1. titanic-survivor-prediction:Kaggle泰坦尼克号ML挑战-源码

  2. 泰坦尼克号幸存者的预测 这是机器学习竞赛的第一步。 挑战 :ship: 泰坦尼克号在1912年的首次航行中沉没,造成了一半以上的乘客生命。 给出了两个数据集,即train.csv和test.csv。 这两个数据集都包含每位登上泰坦尼克号飞船的乘客的信息,唯一的区别是train.csv告诉我们哪位乘客可以幸存,而test.csv却没有。 面临的挑战是建立一个预测模型,以预测test.csv中的哪些乘客更有可能幸存。 问题陈述 使泰坦尼克号乘客得以生存的特征(特征)。 预测模型 针对这一挑战,使
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:77kb
    • 提供者:weixin_42140716
  1. titanic_dataset:进行中-此分析着重于基于titanic崩溃的数据集。 我们被要求查看数据并创建一个机器学习模型,该模型可以证明某些乘客群体与生存可能性之间是否存在任何潜在的相关性。 该项目展示了数据可视化技术,数据清理,数据

  2. titanic_dataset 目的 如上图中的Kaggle所述,此挑战的目的是检查有关泰坦尼克号沉没的数据,以建立生存能力的预测模型。 我将在自己对此数据集的分析中尝试回答以下问题: 财富决定了您生存的可能性吗? 如果是的话多少钱? 年龄是一个人的生存率的决定因素吗? 探索性数据分析 分析的这一部分着重于使自己熟悉数据,并针对任何潜在问题或特殊考虑对数据进行探索。 一个很好的起点是查看训练数据的列及其各自的数据类型。 这确保了所有收集到的数据将能够被相应地操纵。 我们可以立即确定数
  3. 所属分类:其它

    • 发布日期:2021-02-27
    • 文件大小:911kb
    • 提供者:weixin_42134094
  1. Titanic-ML-From-Disaster:使用Kaggle ML竞赛中提供的数据集来预测Titanic的生存-源码

  2. 泰坦尼克号:从灾难中学习机器 用Kaggle的ML竞赛中给出的数据集预测泰坦尼克号的生存时间 使用给定的数据集使用不同的算法训练模型,例如:Logistic回归,最近邻(kNN),支持向量机(SVM),内核SVM,朴素贝叶斯,决策树和随机森林分类 以不同方式可视化数据以清楚地理解它。
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:130kb
    • 提供者:weixin_42137022
  1. DS_Project_Titanic:从Kaggle为Titanic数据集创建分类树-源码

  2. 数据科学| 项目:“泰坦尼克号” EDA(探索性数据分析) Дляначалавданныхнужновыделитьосновныезависимости。 Дляэтогобыливыбранылогическиепомоемумнениюкорреляции,такиекакполивыживаемость。 Награфикемывидимразделениепополу,以及такжеколичествовыжившихскаждойизгрупп。 分类树 结论
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:205kb
    • 提供者:weixin_42123237
  1. 泰坦尼克号分类-源码

  2. 泰坦尼克号分类
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:63kb
    • 提供者:weixin_42121412
  1. 决策树和随机森林:在泰坦尼克号和垃圾邮件数据集上进行决策树和随机森林分类的​​实现-源码

  2. 决策树和随机森林 垃圾邮件和泰坦尼克号数据集的分类器。 只需从上到下运行提供的iPython Notebook,确保数据集位于同一目录中。 将CSV文件输出到当前目录。
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:123kb
    • 提供者:weixin_42113456
  1. 数据分析-源码

  2. 投资组合概述 项目1:火山数据清理 项目2:物流泰坦尼克号 Project3:文本摘要 项目4:MNIST分类(深度学习) Project5:简单的无监督学习 Project6:扭转Conways的生活游戏 Project7:夏威夷停用词 Project8:MNIST上Viame的帧级分类器
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:15mb
    • 提供者:weixin_42122878
  1. data_analysis:数据分析项目(数据清理,EDA,预测建模等)-源码

  2. 数据分析项目 分类 银行直销虹膜数据集测试竞赛泰坦尼克号:从灾难中学习机器 回归 房屋价格:先进的回归技术 情绪分析 星空站亚马逊评论
  3. 所属分类:其它

  1. 泰坦尼克号-幸存者-挑战:这个项目是二进制分类问题,乘客生存了(1)或死亡(0)-源码

  2. 泰坦尼克号幸存者挑战 该项目是二元分类问题,其中乘客幸存(1)或死亡(0)
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:476kb
    • 提供者:weixin_42118701
  1. 人工智能-源码

  2. AI相关 学习笔记 复制修改 案例与数据分析 什么是数据 建模流程 语言:Python,Matlab,R 软件:PyCharm,Jupyter,Matlab,RStudio 回归:最小二乘,L2与L1模的区别 分类 Google Playground iris泰坦尼克号mnist:理解数据本身,奇怪的地方:test集上的准确率高于训练集fashion mnist 人脸识别
  3. 所属分类:其它

  1. Python项目-源码

  2. 我的Python数据科学项目: :在此项目中,我尝试为Kaggle项目的样本(泰坦尼克号的沉没)构建工作流程,以便将来可以在其他Kaggle项目中采用相同的模式 :在这个项目中,我试图使用k近邻算法和具有不同数量神经元和不同隐藏层的神经网络对手写数字问题进行分类。 :在这个项目中,我使用并比较了线性回归,决策树回归和随机森林算法来预测自行车租赁。 我还尝试找到最佳参数以防止过度拟合并获得良好结果。 此项目是关于使用线性回归模型来预测S&P500指数的每日价格。 也只进行提前一天的预测。
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:14mb
    • 提供者:weixin_42124743
  1. CS-Projects:CS项目-源码

  2. 考虑到旅行,年龄,票价等7个属性,使用迭代二分法3算法实现了二元决策树,并针对泰坦尼克号幸存者数据集运行了该决策树。第一个“幸存”属性是类别标签。 评论情绪分析器接受训练和测试数据集,每行都有正面和负面的评论。 清理数据后,将对每个单词进行分析,并根据其频率及其在正面评论与负面评论中的出现程度分配权重。 为每个输入评论计算最终的“分数”。 用户输入一个句子,程序将告诉您该评论对人类语言的影响是正面还是负面。 根据我的测试数据集,通常精度约为〜85%。 感知器分类项目使用与决策树相同的数据集。 类
  3. 所属分类:其它

    • 发布日期:2021-03-31
    • 文件大小:177kb
    • 提供者:weixin_42136365