Python数据分析与数据化运营 第2版
电子书推荐
-
Python数据分析与机器学习-泰坦尼克获救预测 评分:
Python数据分析与机器学习-泰坦尼克获救预测 Python数据分析与机器学习-泰坦尼克获救预测
上传时间:2018-01 大小:34KB
- 7.86MB
Python数据分析
2018-03-20利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,利用Python进行数据分析PDF版本,
- 202KB
利用Python+matplotlib对泰坦尼克号进行数据分析
2020-12-21主要分析有数据接:https://pan.baidu.com/s/1jn88GiOr7uWA8BDQocFXxg 密码: s0e0不同舱位等级中幸存者和遇难者的乘客比例不同性别的幸存比例幸存和遇难旅客的票价分布幸存和遇难乘客的年龄分布不同上船港口的乘客仓位等级分布幸存和遇难乘客堂兄弟姐妹的数量分布幸存和遇难旅客父母子女的数量分布单独乘船与否和幸存之间有没有联系是否成年男性和幸存之间有没有联系 数据接:https://pan.baidu.com/s/1jn88GiOr7uWA8BDQocFXxg 密码: s0e0 首先做准备(导入库,读入数据集) import matplotlib.pypl
- 99KB
泰坦尼克python数据分析
2017-01-04泰坦尼克python数据分析,带数据集和源代码,强烈推荐。
- 59KB
机器学习 泰坦尼克号生还预测数据集
2017-06-08泰坦尼克号生还预测数据集
- 99KB
泰坦尼克数据集及预测生存源码
2018-08-14经典又兼具备趣味性的案例泰坦尼克号问题源码。大家都熟悉的『Jack and Rose』的故事,豪华游艇倒了,大家都惊恐逃生,可是救生艇的数量有限,无法人人都有,副船长发话了『lady and kid first!』,所以是否获救其实并非随机,而是基于一些背景有rank先后的。 训练和测试数据是一些乘客的个人信息以及存活状况,要尝试根据它生成合适的模型并预测其他人的存活状况。 对,这是一个二分类问题,很多分类算法都可以解决。
- 196KB
泰坦尼克号数据-泰坦尼克号数据分析报告.pdf
2022-12-24泰坦尼克号数据_泰坦尼克号数据分析报告 891名乘客中遇难乘客有549⼈,占61.6%,⽣还乘客342⼈,占38.4%.各等级船舱乘客⼈数 各等级船舱乘客⼈数 Pclass_count=titanic_data['Pclass'].value_counts().sort_index() #⽤Bar_pie()函数作条形图和饼状图 Bar_pie(Pclass_count) 三等船舱乘客最多,占55.1%;⼀等船舱次之占24.2%;⼆级船舱乘客最少,占20.7%.男⼥乘客分布情况 男⼥乘客分布情况 Sex_count=titanic_data['Sex'].value_counts() print(Sex_count) Bar_pie(Sex_count) male 577 female 314 Name: Sex, dtype: int64 男乘客有577⼈,占64.8%;⼥乘客有314⼈,占35.2%.乘客年龄分布情况 乘客年龄分布情况 In [84]: #乘客年龄分布直⽅图 #创建figure、subplot,并⽤hist作条形图 fig_Age=plt.figure(figsize=(10,5)) ax_Age=fig_Age.add_subplot(1,2,1) titanic_data['Age'].hist(bins=10,color='g',alpha=0.3,grid=False) #设置x轴刻度标签 ax_Age.set_xticks([0,10,20,30,40,50,60,70,80,90,100]) #添加标题,x轴标签,y轴标签 ax_Age.set_title('Hist plot of Age') ax_Age.set_xlabel('Age') ax_Age.set_ylabel('number of people') #乘客年龄分布箱线图 #作箱线图 plt.subplot(122) titanic_data.boxplot(column='Age',showfliers=False) #添加y轴标签 plt.ylabel('Age') plt.title('boxplot of Fare') titanic_data['Age'].describe() count 891.000000 mean 29.544332 std 13.013778 min 0.000000 25% 22.000000 50% 29.000000 75% 35.000000 max 80.000000 Name: Age, dtype: float64 乘客年龄⼤概成正态分布,平均年龄29岁多,最⼤的80岁,最⼩的不到1岁(利⽤int()取整,不到1岁的为0).兄弟姐妹、配偶在船上的 兄弟姐妹、配偶在船上的 乘客分布情况条形图 乘客分布情况条形图 #创建figure、subplot,⽤plot()作柱状图 fig_SibSp=plt.figure(figsize=(10,5)) ax_SibSp=fig_SibSp.add_subplot(1,2,1) SibSp_count=titanic_data['SibSp'].value_counts() SibSp_count.plot(kind='bar') #添加标题,x轴标签,y轴标签 ax_SibSp.set_title('Bar plot of SibSp') ax_SibSp.set_xlabel('number of SibSp') ax_SibSp.set_ylabel('number of people') #拥有各 数量的兄弟姐妹、配偶的乘客⽐例条形图 plt.subplot(122) SibSp_count.div(SibSp_count.sum()).plot(kind='bar') #添加标题,x、y轴 标签 plt.title('Ratio of people in SibSp') plt.xlabel('SibSp') plt.ylabel('ratio') 在船上没有兄弟姐妹配偶的乘客较多,占68.2%.⽗母、孩⼦在船上的乘客分布条形图 ⽗母、孩⼦在船上的乘客分布条形图 Parch_count=titanic_data['Parch'].value_counts() #创建figure、subplot,⽤plot()作柱状图 fig_Parch=plt.figure(figsize=(10,5)) ax_Parch=fig_Parch.add_subplot(1,2,1) Parch_count.plot(kind='bar') #添加标题,x、y轴标签 ax_Parch.set_title('Bar plot of Parch') ax
- 32KB
kaggle泰坦尼克数据titanic
2018-06-15平台下载的原始三个数据train.csv test.csv gender_submission.csv (本来想0积分 分享给大家 无奈最低是1分了)
- 61KB
泰坦尼克号数据集:准备的逻辑回归模型和完成的随机森林分析
2021-03-02泰坦尼克号数据集:准备的逻辑回归模型和完成的随机森林分析
- 88KB
数据分析泰坦尼克数据集
2020-05-26Titanic数据集是非常适合数据科学和机器学习新手入门练习的数据集。 数据集为1912年泰坦尼克号沉船事件中一些船员的个人信息以及存活状况。这些历史数据已经非分为训练集和测试集,你可以根据训练集训练出合适的模型并预测测试集中的存活状况。
- 796KB
大数据分析案例
2017-10-21员工离职分析+招聘大数据分析+豆瓣推荐读书+基站定位商圈数据+航班晚点分析
- 55KB
项目实战-机器学习之泰坦尼克遇难乘客获救预测
2023-10-09背景说明:泰坦尼克沉船是震惊世界的海难事件,1912年4月15日,在它的处女航中,撞上冰川后沉没。造成了超过1502人死亡,该事件也引起了全世界对于船舶安全法规的重视。在这场灾难中,有一些因素也导致了部分乘客的获救机率比较高,如老人,小孩,上流阶层,我们的目标是利用机器学习算法对获救乘客就行准确的预测。
- 31KB
机器学习项目实战:泰坦尼克号获救预测 训练数据和测试数据 完整版
2018-02-11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,最近出去下载下来了,与诸君分享。
- 9.15MB
Python数据分析与机器学习-新闻分类任务
2018-01-06Python数据分析与机器学习-新闻分类任务 Python数据分析与机器学习-新闻分类任务
- 560KB
Python数据分析与机器学习-Pandas
2017-12-26Python数据分析与机器学习-Pandas,Python数据分析与机器学习-Pandas
- 63.29MB
Python数据分析与机器学习-交易数据异常检测
2017-12-31Python数据分析与机器学习-交易数据异常检测; Python数据分析与机器学习-交易数据异常检测
- 38KB
Python数据分析与机器学习-Matplotlib
2017-12-27Python数据分析与机器学习-Matplotlib,Python数据分析与机器学习-Matplotlib
- 2KB
Python数据分析与机器学习-聚类实践
2018-01-09Python数据分析与机器学习-聚类实践 Python数据分析与机器学习-聚类实践
- 23B
利用python进行数据分析 中文第二版-附件资源
2021-03-02利用python进行数据分析 中文第二版-附件资源
- 352KB
Titanic使用逻辑回归预测
2019-01-05使用逻辑回归预测Titanic幸存者是否幸存,基于Anaconda+juypters实现,参考来自https://github.com/HanXiaoyang/Kaggle_Titanic/blob/master/Titanic.ipynb
- 31KB
数据分析kaggle大赛泰坦尼克号数据
2017-07-28数据分析kaggle大赛泰坦尼克号生还概率数据
- 14KB
泰坦尼克号0.81准确率python源代码.py
2019-11-05这是kaggle泰坦尼克号准确率0.81的python数据分析超级详细的源代码 这是传说中的泰坦尼克机器学习比赛-对你来说最好的,第一次挑战,让你潜入机器学习比赛,熟悉Kaggle平台的工作原理。 竞争很简单:使用机器学习来创建一个模型,预测哪些乘客在泰坦尼克号沉船事故中幸存下来。
- 405KB
titanic(泰坦尼克)
2019-05-19机器学习领域中的 caggle竞赛题目解析代码,采用python语言编写
- 277KB
泰坦尼克号-训练资源
2019-02-16泰坦尼克号的表单,里面可能已经加载了杰克和罗斯的数据!
- 83KB
kaggle机器学习竞赛泰坦尼克号船员数据集
2020-06-09kaggle机器学习竞赛泰坦尼克号船员数据集,原网址https://www.kaggle.com/c/titanic
- 10.1MB
Python 大数据分析 第二版
2018-08-05Python for Data Analysis Data Wrangling with Pandas, NumPy, and IPython
- 653KB
Python数据分析与机器学习-Python库分析科比生涯数据
2018-01-24Python数据分析与机器学习-Python库分析科比生涯数据 Python数据分析与机器学习-Python库分析科比生涯数据
- 10KB
Python数据分析与机器学习-Xgboost集成算法
2018-01-17Python数据分析与机器学习-Xgboost集成算法 Python数据分析与机器学习-Xgboost集成算法
- 21KB
Python数据分析与机器学习-scikit-learn模型建立与评估
2018-01-23Python数据分析与机器学习-scikit-learn模型建立与评估 Python数据分析与机器学习-scikit-learn模型建立与评估
- 2KB
Python数据分析与机器学习-PCA主成分分析
2018-01-10Python数据分析与机器学习-PCA主成分分析 Python数据分析与机器学习-PCA主成分分析
- 150KB
Python数据分析与机器学习-Seaborn
2017-12-28Python数据分析与机器学习-Seaborn Python数据分析与机器学习-Seaborn