机器学习 —— 二分类算法（Titanic号乘客生存预测） 25-03-07 20:22 3521 9093 blog.csdn.net 目录 二分类情景说明 机器学习流程 1-of-K（哑编码）处理特别特征数据，将其转换成向量 A. 性别类别(非数值类型)特征转换成特征向量 B. 对Age特征的特征向量处理 C. 分类算法介绍 代码实现及运行 二分类情景说明 预测Titanic 号上的乘客生存概率 预测乘客是否遇难，是一个二分类问题，所以我们可以使用二分类来分解 乘客是否生存，可以看成是乘客的标签 乘客的基本信息，可以看成是乘客的特征 目标：通过乘客的特征，来预测乘客的生存状况，即预测乘客的标签（生存/遇难） 机器学习流程 数据 ===》 算法 ===》 模型 ===》预测 加载数据 提取特征工程 将提取的特征工程数据交给算法得到模型 使用模型进行预测 注：本文转载自blog.csdn.net的不埋雷的探长的文章"https://blog.csdn.net/weixin_32265569/article/details/108546103"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。 复制链接
目录 二分类情景说明 机器学习流程 1-of-K（哑编码）处理特别特征数据，将其转换成向量 A. 性别类别(非数值类型)特征转换成特征向量 B. 对Age特征的特征向量处理 C. 分类算法介绍 代码实现及运行 二分类情景说明 预测Titanic 号上的乘客生存概率 预测乘客是否遇难，是一个二分类问题，所以我们可以使用二分类来分解 乘客是否生存，可以看成是乘客的标签 乘客的基本信息，可以看成是乘客的特征 目标：通过乘客的特征，来预测乘客的生存状况，即预测乘客的标签（生存/遇难） 机器学习流程 数据 ===》 算法 ===》 模型 ===》预测 加载数据 提取特征工程 将提取的特征工程数据交给算法得到模型 使用模型进行预测
评论记录：
回复评论：