반응형
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 기울기 감소 알고리즘
- Kaggle
- CNN
- Deep learning
- Neural network
- Logistic regression
- 시그모이드 함수
- Q-Learning
- 선형 회귀
- Gradient descent algorithm
- regression
- 강화학습
- convolutional neural network
- 딥 러닝
- reinforcement learning
- data
- cost function
- 정리
- Sigmoid Function
- 합성곱 신경망
- 요약
- sklearn
- Logistic
- 비용 함수
- iris
- csv
- 회귀
- 논리 회귀
- RL
- machine learning
Archives
- Today
- Total
컴공돌이의 스터디 블로그
[Titanic_0] - Description(설명) 본문
Machine Learning 실습/Titanic : Machine Learning from Disaster
[Titanic_0] - Description(설명)
제갈초아 2018. 4. 2. 12:00* 이 글은 Kaggle의 Competition에 참여하는 과정을 정리한 글 입니다.
Description(설명)
만약 Data Science(데이터 과학), Machine Learning(기계 학습)에 처음 접하거나, Kaggle의 Prediction Competition(예측 대회)의 간단한 입문 단계를 찾는 사람들은 이것을 먼저 시작하시면 좋습니다.
RMS Titanic의 침몰은 역사상 가장 악명 높은 난파 사고 중 하나입니다. 1912년 4월 15일 최초의 항해 도중 Titanic은 빙산과 충돌한 후 침몰하게 되었고, 2224명의 승객과 승무원들 중에서 1502명이 사망했습니다. 이 세상을 놀라게 만든 비극은 국제 사회에 충격을 주었고 배에 대한 더 안전한 수칙들로 이어졌습니다.
난파 사고가 이러한 인명손실을 가져온 이유들 중 하나는 승객과 승무원들을 위한 구명 보트가 충분하지 않았기 때문입니다. 비록 침몰로 부터 살아남는 것과 관련된 약간의 행운적인 요소가 있었을지 몰라도, 어떠한 그룹의 사람들은 여성,아이,상류층과 같은 다른 그룹보다 좀 더 살아남을 가능성이 많았습니다.
이번 도전에서는 여러분이 어떤 종류의 사람들이 살아남을 수 있는지에 대한 분석을 성공하였는지 묻고 있습니다. 특히 여러분이 어떤 승객들이 비극으로부터 살아남았는지 예측하기 위해 Machine Learning(기계 학습)의 도구를 적용하였는지 묻고 있습니다.
반응형
Comments