题目提供的训练数据集包含11个特征，分别是：
Survived:0代表死亡，1代表存活
Pclass:乘客所持票类，有三种值(1,2,3)
Name:乘客姓名
Sex:乘客性别
Age:乘客年龄(有缺失)
SibSp:乘客兄弟姐妹/配偶的个数(整数值)
Parch:乘客父母/孩子的个数(整数值)
Ticket:票号(字符串)
Fare:乘客所持票的价格(浮点数，0-500不等)
Cabin:乘客所在船舱(有缺失)
Embark:乘客登船港口:S、C、Q(有缺失)
2021-02-02 21:31:45
32KB
1
使用机器学习算法预测泰坦尼克号存活概率分析，源码为jupter notebook格式，从数据预处理到可视化展示，特征相关性分析，到最后的几种算法预测准确率对比
2020-01-04 03:15:15
1.23MB
1
这是kaggle泰坦尼克号准确率0.81的python数据分析超级详细的源代码
这是传说中的泰坦尼克机器学习比赛-对你来说最好的，第一次挑战，让你潜入机器学习比赛，熟悉Kaggle平台的工作原理。
竞争很简单：使用机器学习来创建一个模型，预测哪些乘客在泰坦尼克号沉船事故中幸存下来。
2020-01-03 11:40:25
15KB
1
深度学习应用与开发，Google TensorFlow-Keras预测泰坦尼克号旅客生存（浙江大学城市学院 计算机与计算机科学学院）
2020-01-03 11:22:44
3.44MB
1
就是那个大家都熟悉的『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，是我们之前讨论的logistic regression所能处理的范畴。
2019-12-21 20:51:26
4.17MB
1