kaggle入门竞赛之泰坦尼克存活预测_kaggle入门泰坦尼克资源-CSDN下载

共2个文件

pdf：2个

版权申诉

python

kaggle

数据分析

机器学习

5星 · 超过95%的资源 129 浏览量 2022-03-06 01:30:41 上传评论 3 收藏 831KB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

kaggle入门竞赛之泰坦尼克存活预测.zip （2个子文件）

kaggle入门竞赛之泰坦尼克事故存活预测（xgboost方法）.pdf 1.39MB

kaggle入门竞赛之泰坦尼克事故存活预测.pdf 303KB

kaggle

⼊

门

竞

赛

之

泰坦

尼

克

事

故

存

活

预

测

（

xgboost

⽅法

）

本文我们详细讲解如何利用xgboost方法来解决泰坦尼克沉船事故人员存活预测的问题。

实现语言以Python为例来进行讲解。



第三方库引入

⾸

先

，

我

们

来看

下

⽤

xgboost

解

决

这

个

问题

需

要引

⼊

哪

些

第

三

⽅

库

吧

：

#Loadinourlibraries

2. importpandasaspd

3. importnumpyasnp

4. importre

5. importsklearn

6. importxgboostasxgb

7. importseabornassns

8. importmatplotlib.pyplotasplt

9. %matplotlibinline

10. 

11. importplotly.offlineaspy

12. py.init_notebook_mode(connected=True)

13. importplotly.graph_objsasgo

14. importplotly.toolsastls

15. 

16. importwarnings

17. warnings.filterwarnings('ignore')

18. 

19.

#Goingtousethese5basemodelsforthestacking

20. fromsklearn.ensembleimportRandomForestClassifier,AdaBoostClassifier,GradientBoostingCla

ssifier,ExtraTreesClassifier

21. fromsklearn.svmimportSVC

22. fromsklearn.cross_validationimportKFold;

其

中

，

numpy

和

pandas

是

在

进

⾏

数

据

计

算

和

分

析

中

最

常

⽤

的第

三

⽅

库

。

是

正则

表

达

式

库

。

sklearn

是

专

门

⽤于

机

器

学习

的第

三

⽅

库

。

matplotlib

，

seaborn

和

plotly

是

Python

⽤于

绘

图

的第

三

⽅

库

。

xgboost

是

Python

基

于

xgboost

算

法

开

发

的第

三

⽅

库

。



特征的分析和提取

在

传

统

机

器

学习

算

法

中

，

我

们

⾸

先需

要

分

析

数

据

的

内

在

结

构

，

找

出

数

据

的

结

构

特

征

信息

。

#Loadinthetrainandtestdatasets

2. train=pd.read_csv('../input/train.csv')

3. test=pd.read_csv('../input/test.csv')

4. 

#StoreourpassengerIDforeasyaccess

6. PassengerId=test['PassengerId']

7. 

8. train.head(3)

我

们

利

⽤

pandas

库

的

⽅法

直

接

读

⼊

excel

⽅法

后

，

读

取

训

练

集

的

前三

⾏

数

据

如

下

：

1. full_data=[train,test]

2. 

#

额

外

添

加

⼀

些

需

要

从

已

有

数据

中

计

算

得

到

的

其

他

特

征

#

例

如姓

名

的

⻓

度

5. train['Name_length']=train['Name'].apply(len)

6. test['Name_length']=test['Name'].apply(len)

#

是

否

有

Cabin

8. train['Has_Cabin']=train["Cabin"].apply(lambdax:0iftype(x)==floatelse1)

9. test['Has_Cabin']=test["Cabin"].apply(lambdax:0iftype(x)==floatelse1)

10. 

11.

#

计

算

全

部

家

⼈

的

数

⽬

12. fordatasetinfull_data:

13. dataset['FamilySize']=dataset['SibSp']+dataset['Parch']+1

14.

#

是

否

是

⼀个

⼈

15. fordatasetinfull_data:

16. dataset['IsAlone']=0

17. dataset.loc[dataset['FamilySize']==1,'IsAlone']=1

18.

#

对

Embarked

列

的

空

数据

进

⾏

处

理

19. fordatasetinfull_data:

20. dataset['Embarked']=dataset['Embarked'].fillna('S')

21.

#

⽤

训

练

集

数据

的

Fare

的

中

值

来

填

充

所

有

Fare

为

空

的

数据

22. fordatasetinfull_data:

23. dataset['Fare']=dataset['Fare'].fillna(train['Fare'].median())

24. train['CategoricalFare']=pd.qcut(train['Fare'],4)

25.

#

创

建

⼀个

新

的

特

征

CategoricalAge

26. fordatasetinfull_data:

27. age_avg=dataset['Age'].mean()

28. age_std=dataset['Age'].std()

29. age_null_count=dataset['Age'].isnull().sum()

30. age_null_random_list=np.random.randint(age_avg-age_std,age_avg+age_std,size=age_

null_count)

31. dataset['Age'][np.isnan(dataset['Age'])]=age_null_random_list

32. dataset['Age']=dataset['Age'].astype(int)

33. train['CategoricalAge']=pd.cut(train['Age'],5)

34.

#

定

义

⼀个

函

数

，

⽤

于

寻

找

姓

名

中

的

Title

35. defget_title(name):

36. title_search=re.search('([A-Za-z]+)\.',name)

37. 

#Ifthetitleexists,extractandreturnit.

38. iftitle_search:

39. returntitle_search.group(1)

40. return""

41.

#

创

建

⼀个

新

的

变

量

Title

42. fordatasetinfull_data:

43. dataset['Title']=dataset['Name'].apply(get_title)

44.

#

将

⼀

些

不

常

⻅

的

Title

转

换

为

⼀

些

对

应

的

常

⻅

Title

种

类

45. fordatasetinfull_data:

46. dataset['Title']=dataset['Title'].replace(['Lady','Countess','Capt','Col','Don','D

r','Major','Rev','Sir','Jonkheer','Dona'],'Rare')

47. 

48. dataset['Title']=dataset['Title'].replace('Mlle','Miss')

49. dataset['Title']=dataset['Title'].replace('Ms','Miss')

50. dataset['Title']=dataset['Title'].replace('Mme','Mrs')

51. 

52. fordatasetinfull_data:

53. 

#

将

性

别

映

射

⾄

0,1

54. dataset['Sex']=dataset['Sex'].map({'female':0,'male':1}).astype(int)

55. 

56. 

#

将

Title

映

射

⾄

0-5

。

57. title_mapping={"Mr":1,"Miss":2,"Mrs":3,"Master":4,"Rare":5}

58. dataset['Title']=dataset['Title'].map(title_mapping)

59. dataset['Title']=dataset['Title'].fillna(0)

60. 

61. 

#

将

Embarked

映

射

⾄

0-2

。

62. dataset['Embarked']=dataset['Embarked'].map({'S':0,'C':1,'Q':2}).astype(int)

63. 

64. 

#

将

Fare

分

成

四

类

0-3

65. dataset.loc[dataset['Fare']<=7.91,'Fare']

=0

66. dataset.loc[(dataset['Fare']>7.91)&(dataset['Fare']<=14.454),'Fare']=1

67. dataset.loc[(dataset['Fare']>14.454)&(dataset['Fare']<=31),'Fare']=2

68. dataset.loc[dataset['Fare']>31,'Fare']

=3

69. dataset['Fare']=dataset['Fare'].astype(int)

70. 

71. 

#

将

年

龄

分

为

类

：

0-4

72. dataset.loc[dataset['Age']<=16,'Age'] =0

73. dataset.loc[(dataset['Age']>16)&(dataset['Age']<=32),'Age']=1

74. dataset.loc[(dataset['Age']>32)&(dataset['Age']<=48),'Age']=2

75. dataset.loc[(dataset['Age']>48)&(dataset['Age']<=64),'Age']=3

76. dataset.loc[dataset['Age']>64,'Age']=4;

接

下

来

，

我

们

需

要

清

除

⼀

些

我

们

⽆

法

直

接

利

⽤

的

⼀

些

特

征

：

#Featureselection

2. drop_elements=['PassengerId','Name','Ticket','Cabin','SibSp']

3. train=train.drop(drop_elements,axis=1)

4. train=train.drop(['CategoricalAge','CategoricalFare'],axis=1)

5. test=test.drop(drop_elements,axis=1)

到

⽬

前

为

⽌

，

我

们

已

经

对

特

征

进

⾏

了

加

⼯

、

处

理

和过

滤

。

接

下

来

，

我

们

需

要

简

单的

通

过

当

前

的

数

据

进

⾏

⼀

些

可

视

化

来

帮

助

我

们

进

⼀

步

进

⾏

分

析

。

1. train.head(3)

接

下

来

，

让

我

们

看

⼀

下

⽬

前

这

些

特

征之

间

的

相

关

性

吧

：

1. colormap=plt.cm.viridis

2. plt.figure(figsize=(14,12))

3. plt.title('PearsonCorrelationofFeatures',y=1.05,size=15)

4. sns.heatmap(train.astype(float).corr(),linewidths=0.1,vmax=1.0,square=True,cmap=colormap,

linecolor='white',annot=True)



相

关

系

数

图

如

下

：

Pearson

相

关

系

数

（

Pearson CorrelationCoeﬃcient

）

是

⽤

来

衡

量两

个

数

据

集

合

是

否

在

⼀

条

线

上

⾯

，

它

⽤

来

衡

量

定

距

变

量

间

的

线性

关

系

。

当

Pearson

相

关

系

数

越

接近

时

，

表

⽰

两

个

特

征之

间

的

相

关

性

越

强

；

⽽

当

两

个

特

征之

间

的

相

关

性

越

接近

于

时

，

表

⽰

两

个

特

征之

间

的

相

关

性

越

低

。

下

⾯

，

我

们

需

要

计

算

⼀

些

在

后

续训

练

过

程

中

需

要

使

⽤

的

参

数

：

1. ntrain=train.shape[0]

2. ntest=test.shape[0]

3. SEED=0

#forreproducibility

4. NFOLDS=5

#setfoldsforout-of-foldprediction

5. kf=KFold(ntrain,n_folds=NFOLDS,random_state=SEED)

接

下

来

，

我

们

对

Sklearn

分

类

器

进

⾏

⼀

下

封

装

，

便

于

我

们

后

续

直

接

调

⽤

：

评论收藏

内容反馈

版权申诉

zhr_herren

2025-03-03

资源内容详细，总结地很全面，与描述的内容一致，对我启发很大，学习了。
张昊CHE.R.RY

2022-09-04

总算找到了想要的资源，搞定遇到的大问题，赞赞赞！
m0_67660163

2023-06-29

这个资源总结的也太全面了吧，内容详实，对我帮助很大。
m0_63754717

2023-06-11

资源值得借鉴的内容很多，那就浅学一下吧，值得下载！

Python风控

粉丝: 103

kaggle入门竞赛之泰坦尼克存活预测

Kaggle泰坦尼克号罹难乘客生存预测.zip

泰坦尼克乘客生存预测-kaggle-数据集

Titanic 生存预测（上）

Kaggle数学竞赛泰坦尼克号生存预测的代码

Kaggle泰坦尼克号罹难乘客生存预测

kaggle泰坦尼克乘客获救预测.zip

kaggle竞赛入门讲义

matlabauc代码-seizure-prediction:我的癫痫发作预测代码（kaggle竞赛）

该项目来自kaggle竞赛，根据商品的描述，品牌，品类，物品的状态等文本来预测商品的价格。

kaggle-click-through-rate-prediction:Avazu 的 Kaggle 点击率预测竞赛的机器学习代码

Kaggle竞赛之Titanic存活预测2

Kaggle入门：泰坦尼克号幸存者项目-内含源码以及设计说明书(可以自己运行复现).zip

机器学习-kaggle-泰坦尼克乘客预测数据集

kaggle泰坦尼克数据titanic

kaggle泰坦尼克数据集

kaggle三个入门竞赛教程 - mudooo的博客 - CSDN博客1

该项目来源于202205美国运通在kaggle发布的信用卡风险逾期预测竞赛 该项目较为贴近Fintech实际业务内容，是对于从事

kaggle竞赛题目，关于房价预测和股票预测的源码及课件说明,Python源码.zip

kaggle-tfi:Kaggle 的 TFI 餐厅收入预测竞赛代码

kagoole：根据数据搜索kaggle竞赛和解决方案，并预测类型，评估指标等

PredictSurvival.rar_XGBoost kaggle_kaggle_python_xgboost_xgboost

基于Python的数据挖掘竞赛(Kaggle,Data Castle,Analytics Vidhya,DrivenData)入门实践设计源码

Kaggle_Titanic_train.csv泰坦尼克数据集.zip

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

KaggleTitanicSurvival:Kaggle 项目预测泰坦尼克号乘客的生还。 我使用 scikit-learn 的随机森林进行预测

bms_kaggle:回购用于预处理和编码化学结构以预测InChI字符串。由Bristol-Meyers-Squibb赞助的Kaggle竞赛的一部分

kaggle-ieee-cis欺诈检测：竞赛学习入门

kaggle入门竞赛——房屋售价预测竞赛

机器学习入门 kaggle房价预测 精讲（含代码）

Week4_GlobalForecast_COVID19：一个协作存储库，其中包含第2周Kaggle竞赛的代码，对COVID-19进行全球预测（https：//www.kaggle.comccovid19-global-forecasting-week-2）

你好，你好。

Tektronix 4/5/6 Series Mixed Signal Oscilloscopes读取当前测试电压波形的最大值、最小值、RMS值以及Peak to Peak值的SCPI指令各是什么？请给出详细指令，另外在测试之前需要进行哪些设置？也请给出详细指令。

最新资源

该项目来源于202205美国运通在kaggle发布的信用卡风险逾期预测竞赛该项目较为贴近Fintech实际业务内容，是对于从事

KaggleTitanicSurvival:Kaggle 项目预测泰坦尼克号乘客的生还。我使用 scikit-learn 的随机森林进行预测

机器学习入门 kaggle房价预测精讲（含代码）