泰坦尼克python数据分析，带数据集和源代码，强烈推荐。

kaggle比赛——泰坦尼克号预测幸存者

泰坦尼克数据集，完善了Fare缺失，保留了Age和Carbin缺失

泰坦尼克号-从灾难中学习机器 R中的实际案例机器学习项目

泰坦尼克号CSV训练数据。 titianic_train.csv

泰坦尼克号生还者训练集，测试集

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。

泰坦尼克号生存预测数据集 泰坦尼克号生存预测数据集 Taitanic data.zip

使用机器学习和图形用户界面在泰坦尼克号上的乘客的生存 该项目包含一个干净优美的图形用户界面（GUI），该界面通过使用不同的Python库与8种机器学习模型和数据可视化工具进行交互。 在Rutgers，我们了解到Python是一种很棒的通用语言，它为所有专业的开发人员提供了极大的通用性。 因此，我们决定利用Python对GUI开发的强大支持以及其数据科学和机器学习功能。 使用复杂的RMS Titanic数据集，其中包括有关每个乘客命运（幸存/死者）的信息（根据其经济状况，公平，机舱，社会阶层，亲戚，性别，登船口岸和年龄），我们创建了8种不同的机器学习模型他们从数据集中学习，然后对用户提供的测试数

泰坦尼克号的沉没是历史上最臭名昭著的沉船事件之一。1912年4月15日，泰坦尼克号在处女航中与冰山相撞，2224名乘客和船员中有1502人丧生。这场轰动性的悲剧震惊了国际社会，并导致了更好的船舶安全规则。 这次海难造成人员伤亡的原因之一是没有足够的救生艇供乘客和船员使用。尽管在沉船中幸存下来有一些运气因素，但有些人比其他人更可能存活下来，如妇女、儿童和上层阶级。 在这个挑战中，我们要求您完成对哪些人可能存活的分析。特别是，我们要求您应用机器学习工具来预测哪些乘客在悲剧中幸存下来。