![](https://cdn-ak-scissors.b.st-hatena.com/image/square/ac9f72258b95ed9f93afbf24c22e82ae2097ff86/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9S2FnZ2xlJUUzJTgzJTgxJUUzJTgzJUE1JUUzJTgzJUJDJUUzJTgzJTg4JUUzJTgzJUFBJUUzJTgyJUEyJUUzJTgzJUFCVGl0YW5pYyVFMyU4MSVBNyVFNyVCMiVCRSVFNSVCQSVBNjgwLjklMjUlMjAlMjglRTQlQjglOEElRTQlQkQlOEQ3JTI1JTIwMC44MDg2MSUyOSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9NDMwOGE0MDA1NmYyODBiYmE1MWZmYjAyZGVmNmM3Yzc%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0YXJ1dG8xMjE1JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1lZTY0ZjAyMmQxMmJkZTA0M2UxMTViZmFkYTFjYjlmYQ%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Ddb1e618991a36e814d8065aa10822368)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
KaggleチュートリアルTitanicで精度80.9% (上位7% 0.80861) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
KaggleチュートリアルTitanicで精度80.9% (上位7% 0.80861) - Qiita
Kaggleチュートリアル"Titanic" Kaggleは、世界最大規模の機械学習コンペティションサイト。 Titanicは... Kaggleチュートリアル"Titanic" Kaggleは、世界最大規模の機械学習コンペティションサイト。 Titanicは、そのチュートリアル的な課題になっている。 このコンペティションでは、タイタニック号での乗客の生死を予測する。 https://www.kaggle.com/c/titanic/overview とりあえず、80%の壁を超えるまで、試行錯誤しました。 それを今回簡単に紹介します。 最後にコードがついてます(github) データ概観 このSurvivedを予測する。 Trainデータは、892個。Testデータ(提出するデータ)は、417個になっている。 上位7%までにやったこと 他のカーネルや、記事をみて、様々試した。 データ補完 -Fare: Pclassごとの平均値をとって、その平均値を持ってFareを補完した -Embarked: 最頻値(S)を用いて補完し