Architecturas | 파이썬 타이타닉 예제

파이썬 타이타닉 예제

계산에 따르면 승객의 38 %만이 살아남았습니다. 최고의 배당률은 아닙니다. 이처럼 엄청난 인명 손실을 입은 이유는 타이타닉 호가 20척의 구명보트만 타고 있었기 때문에 승객 1,317명과 승무원 885명이 탑승하기에는 충분하지 않았습니다. 모든 승객이 생존할 확률이 같을 것 같지는 않으므로, 우리는 구명보트에 누가 자리를 잡았는지, 누가 하지 않았는지를 결정하는 사회적 역학을 조사하기 위해 데이터를 계속 분석할 것입니다. 나는이 같은 타이타닉 파일에 대한 MondoBrain의 사용에 쓴 게시물을 읽은 사람에 의해이 게시물에 대해 들었습니다. (이 페이지 하단 참조 : http://www.mondobrain.com/business-cases.html) 내가 그린 첫 번째 뇌진탕은 부유한 사람들이 남성보다 가난한 사람과 여성보다 더 멀리 했다는 것입니다. 그래서 살아남은 가난한 사람이 누구이고 누가 죽은 부자인지 궁금했습니다. 후자의 경우 : 학사. 즉, 존 제이콥 Astor와 노르웨이어를 설명 할 수 : 학사 자신을 위해 방어했다.

(전 : 한부모가있는 어린 아이들) 나는 타이타닉 승무원이 너무 치발루스 인 몰랐다. (내 게시물의 결론!) 그런데: 영화는 옳은 것 같다 : 남자는 여성을 위해 희생했다. Pingback: 데이터 분석은 타이타닉의 침몰에서 살아남을 수 있을지 알고 | A4E 블로그 기존의 기계 학습 기술에 비해 신경망의 주요 장점은 이미지 나 자연어와 같은 비정형 데이터에서 패턴을 찾을 수있는 능력입니다. 타이타닉 데이터 세트에서 심층 신경망을 훈련하는 것은 총체적인 과잉이지만, 작업할 수 있는 멋진 기술이므로 어쨌든 그렇게 할 것입니다. 이러한 신경망 모델의 증가된 전력 및 긴 런타임에도 불구하고 정확도는 기존의 트리 기반 방법을 사용하여 달성한 것과 거의 동일하다는 것을 알 수 있습니다. 신경망의 주요 이점(비정형 데이터에 대한 자율 학습)은 반드시 타이타닉 데이터 세트에 적합하지 않으므로 그리 놀라운 일이 아닙니다. RMS 타이타닉의 침몰은 역사상 가장 악명 높은 난파선 중 하나입니다. 1912년 4월 15일, 타이타닉 호는 처녀 항해 중 빙산과 충돌한 후 침몰하여 승객과 승무원 2224명 중 1502명이 사망했다. 이 놀라운 비극은 국제 사회에 충격을 주었으며 선박에 대한 더 나은 안전 규정으로 이어졌습니다. 또한 신경망에는 시간 지남에 따라 네트워크가 샘플 데이터에서 학습할 때 구체화할 수 있는 가중치 집합이 포함되어 있습니다. 가중치는 노드 간의 연결 강도를 설명하고 구체화하는 데 사용됩니다.

예를 들어, 타이타닉 데이터 세트에서 승객의 성별과 클래스를 전송하는 노드 연결은 승객의 생존을 결정하는 데 중요하기 때문에 매우 가중치가 가중될 수 있습니다. 실제로 코드를 작성하고 실행하려면 Jupyter 노트북과 함께 IPython (모듈식 코드 블록을 실행하고 출력 값 및 데이터 시각화를 즉시 볼 수 있음)을 그래픽 인터페이스로 사용하는 것이 좋습니다.