r-kaggle-泰坦尼克号 #Titanic生存预测 该存储库包含我针对Kaggle的《泰坦尼克号生存预测问题》的一些方法。 该存储库包括用于功能选择的脚本，用于数据建模的替代策略，原始测试和训练数据集以及为其生成的可视化图。 所有代码段均以R编写。 泰坦尼克号生存预测问题 在这一普遍的挑战中，目标是根据性别，阶级，机票详细信息，年龄类别等属性来预测什么样的人可能度过泰坦尼克号灾难。 程式码范例 去做 动机 列出的示例代码中的一种方法已提交给Kaggle。 安装 数据集可以在“数据”文件夹中找到。 它包括2个分别用于培训和测试的csv文件。 train.csv（59.76 kb） test.csv（27.96 kb） 使用以下R包。 seqinr：生物序列检索和分析 e1071：统计部概率论小组的其他职能（以前为E1071），维也纳工业大学 派对：递归派对的实验室 Ame

物流人工智能_机器学习

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。

其实无论多么复杂的问题，都是万变不离其宗，在深度学习方面更是这样，就是模拟人类的神经网络，通过多层的处理和优化，进一步达到与真实值相近的程度。 步骤： 1、数据预处理 2、建立模型 3、开始训练 4、评估模型准确率

用于参考数据处理方法

泰坦尼克号生存预测数据集

肺癌是一种严重威胁患者生命的恶性肿瘤。通过对肺癌病人进行生存预测分析并制定针对性治疗方案，对提高病人生存率具有重要意义。提出一种基于病理学图像的肺癌患者生存预测分析方法。首先采用深度学习方法对病理学图片进行肺癌细胞自动检测，并对检测出的肺癌细胞进行特征提取。在特征选取中，引入了反映肺癌细胞间关系和分布特性的拓扑特征的提取方法，将提取的拓扑特征作为生存分析的预测因素。最后采用Cox-Lasso方法对肺癌患者进行生存预测分析。实验结果表明，该方法能够提高细胞检测的效率和准确性，并具有较高的肺癌患者生存预测分析能力。

泰坦尼克号旅客生存预测数据集Titanic3.xls

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！

布拉茨模型 神经计算项目，为BraTS数据集建立肿瘤分割和生存预测模型