titanic.csv以及titanic_train.csv 泰坦尼克号获救数据两个，两个文件， 特征不太一样

Kaggle:入门赛Tatanic（泰坦尼克号）84.21%带你冲进前2%。另创作时间很久了，有些内容需要进一步的改进。说明一下本身资源需要积分很少，不知道怎么现在变成这么多

Kaggle_Titanic 17％的人使用keras和深度学习神经网络向泰坦尼克号Kaggle竞赛提交的作品最多

Titanic-master泰坦尼克号幸存者数据

**主要是让参赛选手根据训练集中的乘客数据和存活情况进行建模，进而使用模型预测测试集中的乘客是否会存活。乘客特征总共有11个，以下列出。当然也可以根据情况自己生成新特征，这就是特征工程（feature engineering）要做的事情了。**

做数据处理、机器学习的可以下载下来分析存活率与哪些因素有关。

在网上找到了一个博主的代码，进行了实现、修改，理解，初学者！我加了备注，直接就可以写，希望和大家一起学习！大家有好的学习文件可以私我共享！学渣在线等！ https://blog.csdn.net/WeDon_t/article/details/101559438?utm_medium=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromMachineLearnPai2~default-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromMachineLearnPai2~default-1.control 博主原文大家一起学习！爱原博主么么扎！

kaggle泰坦尼克号测试集答案，亲测满分。

多层感知器MLP预测泰坦尼克号上旅客生存概率，使用Jupyter Notebook 编写的 Python代码，含建模及测试，代码注释清晰，十分适合新手

来自Kaggle的泰坦尼克号数据集，包括测试集和训练集。用于决策树算法。