Сочинение на тему Прогноз выживания для титанических данных с использованием алгоритмов машинного обучения

Потопление RMS Titanic – одно из самых печально известных кораблекрушений в истории. 15 апреля 1912 года во время своего первого плавания «Титаник» затонул после столкновения с айсбергом, убив 1502 из 2224 пассажиров и членов экипажа. Эта сенсационная трагедия потрясла международное сообщество и привела к улучшению правил безопасности для судов.

В этой статье мы собираемся сделать прогнозный анализ того, какие люди могут выжить, и использовать некоторые инструменты машинного обучения, чтобы точно предсказать, какие пассажиры пережили трагедию. IndexTerms – Машинное обучение.

Введение

Машинное обучение означает применение любого компьютерного алгоритма, который можно применить к набору данных, чтобы найти шаблон в данных. Это включает в себя в основном все типы алгоритмов науки о данных, контролируемых, неконтролируемых, сегментации, классификации или регрессии ». Несколько важных областей, в которых можно применять машинное обучение: Распознавание рукописного ввода: преобразование письменных букв в цифровые буквы Перевод языка: перевод устных и / или письменных языков (например, Google Translate) Распознавание речи: конвертируйте голосовые фрагменты в текст (например, Siri, Cortana и Alexa). ü Классификация изображений: помечайте изображения соответствующими категориями (например, Google Photos). Автономный привод: управляемые автомобили (например, NVIDIA и Google Car). Вот некоторые особенности алгоритмов машинного обучения: Особенности – это наблюдения, которые используются для формирования прогнозов. Для классификации изображений пиксели – это функции. Для распознавания голоса высота и громкость образцов звука – это особенности. Для автономных автомобилей данные с камер , датчики дальности и GPS – функции Извлечение соответствующих функций важно для построения модели Источник почты является несущественной функцией при классификации изображений. Источник важен при классификации электронных писем, поскольку СПАМ часто исходит из сообщаемых источников

Обзор литературы

Каждый алгоритм машинного обучения работает лучше всего при заданном наборе условий. Убедитесь, что ваш алгоритм соответствует требованиям допущений, обеспечивает превосходную производительность. Вы не можете использовать любой алгоритм в любых условиях. Вместо этого в таких ситуациях вы должны попытаться использовать такие алгоритмы, как логистическая регрессия, деревья решений, SVM, случайный лес и т. Д. Логистическая регрессия?

Логистическая регрессия – это алгоритм классификации. Он используется для прогнозирования двоичного результата с учетом набора независимых переменных. Для представления двоичного категориального результата мы используем фиктивные переменные. Вы также можете рассматривать логистическую регрессию как особый случай линейной регрессии, когда исходная переменная является категориальной, где мы используем логарифм шансов в качестве зависимой переменной. Проще говоря, он предсказывает вероятность возникновения события путем подгонки данных к функции логита.

Производительность модели логистической регрессии: AIC (AkaikeInformation Criteria). Аналогичным показателем скорректированного R² в логистической регрессии является AIC. AIC – это мера соответствия, которая штрафует модель за количество коэффициентов модели. Поэтому мы всегда предпочитаем модель с минимальным значением AIC: Null Deviance, а Residual Deviance – Null Deviance указывает на ответ, предсказанный моделью только с перехватом. Чем ниже значение, тем лучше модель. Остаточное отклонение указывает ответ, предсказанный моделью при добавлении независимых переменных. Чем ниже значение, тем лучше модель. Матрица путаницы: это не что иное, как табличное представление фактических и прогнозируемых значений. Это помогает нам найти точность модели и избежать переоснащения. McFadden R2 называется псевдо R2. При анализе данных с логистической регрессией эквивалентная статистика R-квадрату не существует. Однако для оценки соответствия логистических моделей было разработано несколько псевдо R-квадратов: точность = истинные положительные значения + истинные отрицательные значения

Деревья решений

Дерево решений – это иерархическая древовидная структура, которую можно использовать для разделения большой коллекции записей на меньшие наборы классов, применяя последовательность простых правил принятия решений. Модель дерева решений состоит из набора правил для разделения большой гетерогенной популяции на более мелкие, более однородные (взаимоисключающие) классы. Атрибутами классов могут быть переменные любого типа из двоичных, номинальных, порядковых и количественных значений, в то время как классы должны быть качественного типа (категориальные или двоичные, или порядковые). Вкратце, учитывая данные атрибутов вместе с его классами, дерево решений создает последовательность правил (или ряд вопросов), которые можно использовать для распознавания класса. Одно правило применяется за другим, что приводит к иерархии сегментов внутри сегментов. Иерархия называется деревом, а каждый сегмент называется узлом. С каждым последующим делением члены результирующих наборов становятся все более похожими друг на друга. Следовательно, алгоритм, используемый для построения дерева решений, называется рекурсивным разделением приложений дерева решений: прогнозирование опухолевых клеток как доброкачественных или злонамеренных классифицирует транзакции по кредитным картам как легитимных или мошеннических, классифицирует покупателей из решений, не связанных с покупателями, о том, утверждать или нет диагноз кредита. различных заболеваний на основе симптомов и профилей

Methodolgy

Наш подход решает проблему:

 
1. Соберите необработанные данные, необходимые для решения проблемы.

 

2. Импортируйте набор данных в рабочую среду

 

3. Предварительная обработка данных, которая включает обработку данных и разработку функций

 

4. Изучите данные и подготовьте модель для выполнения анализа с использованием алгоритмов машинного обучения

 

5. Оцените модель и повторяйте, пока не получите удовлетворительную производительность модели