titanic

前回、ロジスティック回帰のモデルで75%の精度でした。 今回はSupport vector machine(SVM)を使って予測してみようと思います。 評価指標 タイタニックのデータセットは生存有無を正確に予測できた乗客の割合(Accura...

前回、決定木モデルで70%の精度でした。 今回はロジスティック回帰を使って予測してみようと思います。 私が一番好きなモデルで実業務でもよく使っています。 評価指標 タイタニックのデータセットは生存有無を正確に予測できた乗客の割合(Accur...

とうとうモデリング作業になります。 ここまでが長かったですね。 タイタニックの乗客の生存有無を予測するモデルを作成しようと思います。 1:生存か0:非生存かを予測するいわゆる分類問題(Classification Problem)になります...

前回の記事ではタイタニックのデータセットの特徴量エンジニアリングの作業をしました。 今回は 4 変数選択 (Feature Selection)の作業をしようと思います。 こちらの記事で変数選択では相関係数とVIFの値算出をしようと考えてい...

前回の記事ではタイタニックのデータセットの外れ値の処理をまとめていました。 今回は 3 特徴量エンジニアリング (Feature Engineering)の作業をしようと思います。 特徴量エンジニアリングに関してはKaggleの下記コードが...

前回の記事ではタイタニックのデータセットの欠損値処理をまとめていました。 今回は 2. 外れ値処理 (outlier processing)の作業をしようと思います。 外れ値処理に関してはKaggleの下記コードが参考になりました。 外れ値...

前回の記事ではタイタニックのデータセットでのデータ加工案をまとめていました。 今回は 1. 欠損値処理 (missing value processing)の作業をしようと思います。 Embarkedは最頻値で補完し、Ageは回帰モデルで欠...

前回はそもそもデータの加工作業では何をするのかをまとめていました。 手順として下記のような作業が発生すると書きました。 欠損値処理 (missing value processing) 外れ値処理 (outlier processing) ...

これまで表形式でタイタニックのデータの中身を俯瞰してきましたが、今回はグラフで可視化をして確認したいと思います。 グラフにすることによって色の違いや棒グラフの長さの違いなどが表現できることにより情報量が増え、よりデータ理解がしやすくなると思...

データの理解の後半パートは目的変数と説明変数の関係性を中心にして集計や可視化をしていきたいと思います。 今回は生存するかどうかを当てるモデルを作成するつもりなので、目的変数は生存有無フラグ(Survived)にします。 分析の目的により対象...