泰坦尼克数据集，可以参考文章： 【Pandas总结】第九节 Pandas 合并数据集_pd.pivot_table() 请大家下载学习；

整理competition提供的数据集，例如：特征过滤，数据归一化。 2. 在linear regression、logistic regression、neuron network或competition提供的算法中，挑出两个算法（必须选择一个实验课上使用的算法做实验，另外一个可以选择其他算法），在Titanic数据集上做十字交叉验证。 3.把每个数据集随机分为两份，一份做训练，另外一份做测试。使用两个算法在划分后的数据上做测试，并记录准确率。这个过程做5次，每次选择不同的训练样本比例（例如：训练样本占总样本的比例为10%， 20%， 30%， 40%， 50%， 初始比例和每次增加的比例，可以自己决定）。 4. 在报告中对数据集以及两个算法做简单描述；在Experimental Results部分介绍实验步骤，并展示实验结果。在Discussion and Conclusion部分对得到的实验结果对比分析。

Titanic-dataset:泰坦尼克号数据集Kaggle

泰坦尼克号 这是我在参加 Kaggle 泰坦尼克号比赛时编写的 python/scikit-learn 代码。 有几种不同算法的代码，但主要和性能最高的一种是在 randomforest2.py 中实现的 RandomForest。 要求： python（2.x 版本至少为 2.6） scikit-learn/NumPy/SciPy ( ) 熊猫（ ） matplotlib ( ) 用法： > python randomforest2.py 关键文件： loaddata.py：包含所有特征工程，包括用于生成不同变量类型、执行 PCA、聚类和类平衡的选项 randomforest2.py：执行管道的代码 scorereport.py：检查并报告超参数搜索的结果 learningcurve.py：包括生成学习曲线的代码 roc_auc：包括生成 ROC 曲线的代码 其他文

kaggle的titannic数据集，用于机器学习的测试！！！！

泰坦尼克号人员数据集

机器学习实例不多，泰坦尼克号获救测试是一个比较好的，可是苦于没有训练数据，这是在github里面找到的数据，供大家分享。 https://github.com/alexisperrier/packt-aml/tree/master/ch4

dec-tree-random-forest-泰坦尼克号 使用决策树和随机森林模型预测泰坦尼克号乘客的存活率。 使用熊猫和 scikit-learn。 数据及比赛详情：

Titanic dataset from kaggle.

kaggle平台上titanic问题的数据 包含train test两个数据。