26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx

下载本文档

阅读 0
格式 docx
大小 215.12 KB
约26页
2026-06-10
收藏
评论
点赞(0)
海报
举报

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第1页

1/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第2页

2/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第3页

3/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第4页

4/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第5页

5/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第6页

6/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第7页

7/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第8页

8/26页

26年WH电子信息工程基于机器学习的泰坦尼克号获救预测17.39-AI10.54-约13566字符.docx_第9页

9/26页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/26

文本预览下载提示常见问题

IHBSFDX 本科生毕业论文（设计）`摘要本文以泰坦尼克号乘客生存预测问题为基础，使用机器学习方法建立二分类预测模型，在考虑乘客的基本情况、旅行情况、家庭情况和社会地位等因素的基础上，对乘客是否能够存活进行准确、可靠并且具有解释性的预测。首先对 Kaggle 网站提供的经典泰坦尼克号数据集进行分析研究，在发现该数据集中存在缺省值、异常值、文本形式非数值型属性以及类别不平衡的情况后，依次对其进行数据清洗、缺省值填补、异常值剔除、属性转换、属性选择及新属性生成等工作；之后选择三种常用经典的机器学习方法：逻辑回归、决策树以及随机森林建立预测...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容