python人工智能入门纳米学位_项目心得-Udacity机器学习纳米学位项目（一）
作为零基础非科班的学生，我从去年保研结束敲定下家后，决心系统地学习一下开始接触机器学习的知识，因此报名了uda家的网课。uda家的课最大的特点是设计精良和贵……值得一提的是某些公司的面试题就是uda家的项目原题……
设计精良主要有以下几点：
1。为了提高用户交互体验，刻意设计成了4,5分钟一个短片知识点或者一个小quiz,提醒用户这是在上课。
2。独特的part代码审阅+review机制
现在主要来谈谈每个章节的故事，首先我们P0拿到的是泰坦尼克生存预测项目，这在kaggle上是一个入门项目，在uda里主要使用python来完成。在这个项目中要求我们利用乘客数据预测乘客的生存率，数据格式如下：Survived：是否存活（0代表否，1代表是）
Pclass：社会阶级（1代表上层阶级，2代表中层阶级，3代表底层阶级）
Name：船上乘客的名字
Sex：船上乘客的性别
Age:船上乘客的年龄（可能存在 NaN）
SibSp：乘客在船上的兄弟姐妹和配偶的数量
Parch：乘客在船上的父母以及小孩的数量
Ticket：乘客船票的编号
Fare：乘客为船票支付的费用
Cabin：乘客所在船舱的编号（可能存在 NaN）
Embarked：乘客上船的港口（C 代表从 Cherbourg 登船，Q 代表从 Queenstown 登船，S 代表从 Southampton 登船）
当作为一个数据小白时，我们第一时间应该先观察数据，比如使用
# 加载数据集
in_file = 'titanic_data.csv'
full_data = pd.read_csv(in_file)
# 显示数据列表中的前几项乘客数据
display(full_data.head())
可以得到：
通过观察数据特征我们可以知道，这个表格记录的乘客信息是比较全面的，和我们常见的机票一样，同时也可以使用最简单的预测练练手：
最简单的预测
如果我们要预测泰坦尼克号上的乘客是否存活，但是我们又对他们一无所知，那么最好的预测就是船上的人无一幸免。
def predictions_0(data):
""" 不考虑任何特征，预测所有人都无法生还 """
predictions = []
for _, passenger in data.iterrows():
# 预测 'passenger' 的生还率
predictions.append(0)
# 返回预测结果
return pd.Series(predictions)
# 进行预测
predictions = predictions_0(data)
结果只有：61.62%，不是很高。然后项目又要求根据某一个特征进行预测，比如考虑性别的情况，先要求绘制了一个关于性别和最终遇难与否的图：
我们就可以发现男性大多数都遇难了，女性里大多数都存活了，因此我们假如做一个推断，男性全部都遇难，女性全部存活，那么正确率将可以达到：78.68%
然后项目又要求考虑两个特征进行预测：我们在这里加入年龄考虑，先绘制不同年龄的男性生存遇难情况：
survival_stats(data, outcomes, 'Age', ["Sex == 'male'"])
我们就可以发现小于10岁的男孩基本都存活了，因此我们可以额外增加一条逻辑，如果男性小于10岁，肯定是存活的。此时正确率已经攀升到79.35%.
最后项目要求自己额外选择特征，适用条件逻辑语句，让正确率达到80%以上：
你自己的预测模型
添加年龄（Age）特征与性别（Sex）的结合比单独使用性别（Sex）也提高了不少准确度。现在该你来做预测了：找到一系列的特征和条件来对数据进行划分，使得预测结果提高到80%以上。这可能需要多个特性和多个层次的条件语句才会成功。你可以在不同的条件下多次使用相同的特征。Pclass，Sex，Age，SibSp 和 Parch 是建议尝试使用的特征。
使用 survival_stats 函数来观测泰坦尼克号上乘客存活的数据统计。
最后在mentor的建议下，我达到了81.82%，思路与前文一样，大致来讲是这样的：
1.观察每个特征与存活的关系，发现年龄、性别，客舱等级,有无兄弟姐妹，有无父母子女的区分性较好 2.发现两两特征中，年龄，性别与有无兄弟姐妹和有无父母子女关联性较大，比较准确率后，选择有无兄弟姐妹 3.对每个客舱等级分析后，针对不同客舱等级比较讨论 4.选择不同的年龄区段和性别，找出特征值明显的区域
其中还挑了大于10岁的头等舱的男性作为可视化展示：
survival_stats(data, outcomes, 'Age',["Sex == 'male'","Pclass == 1","Age > 10"])
通篇来讲，这个项目给“0coding”基础的人来说，是很好的练习项目，项目本身从简单到复杂，主要锻炼了制作一些基本数据图和基本语句的能力，尤其是几个可视化图画得非常好。后续我来继续讲讲后面的项目实现
python人工智能入门纳米学位_项目心得-Udacity机器学习纳米学位项目（一）相关推荐
- python人工智能入门纳米学位_最近看到udacity的纳米学位很火，号称学完可以找到工作了，这是真的吗？...
2018年二月更新: 刷完了Coursera的Deep Learning Specialization,Coursera吃了大约二十几门Coding.Data Science的硬课(包括传说中的PGM ...
- python人工智能入门零基础_【贾老坏】真·零基础入门人工智能+Python+数学
[贾老坏]是一个系列公开课,从 Python 最基础的语法讲起,专为"从没接触过编程的小白"打造! 循序渐进,最短时间搞定数学.编程.算法等人工智能研发需要的所有基础! 搭载最新. ...
- python人工智能入门零基础_零基础如何入门人工智能？
别入了吧. 人工智能这么火,每年都有各种专业的转过来,还有各种培训机构放出来的21天速成妖魔鬼怪. 要不是我亲眼见到自称着掌握AI所有技术,实际连线性代数都不会的大佬,都不敢相信. 这些人会什么呢? ...
- 哈佛大学(2020)《CS50 Python人工智能入门》课程资料下载
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! [导读]本课程探讨现代人工智能基础上的概念和算法,深入探讨游戏引擎.手写识别和机器 ...
- 人工智能入门第一课：手写字体识别及可视化项目（手写画板）（mnist）
人工智能入门第一课:手写字体识别及可视化项目(手写画板)(mnist),使用技术(Django+js+tensorflow+html+bootstrap+inspinia框架) 直接上图,项目效果 1 ...
- python人工智能入门纳米学位_学习笔记（一） - 机器学习纳米学位
不久前我在Udacity报名了数据分析和机器学习两门纳米课程.之所以对这个感兴趣是因为关注人工智能方面的资讯有一段时间了,觉得这是未来的趋势,希望今后能够在这方面有所成绩.选择纳米课程是因为我觉得它与 ...
- python人工智能方向面试准备_人工智能入门学习路线及就业面试
[主讲老师]菜鸟窝人工智能&大数据讲师@chris 阿里算法专家,7年+算法从业经验,曾领导搭建某上市游戏平台算法团队,在智能数据.机器学习.深度学习算法落地等方向有丰富的实践经验,全面覆盖涵 ...
- 优达学城 python 人工智能入门_有人报过优达学城的人工智能入门小班吗，真的有用吗？...
先自报家门,文科生,研究生学的管理,已过而立之年,0基础. 按要求回答你的问题: 1.人工智能就业前景.说实话,我刚人工智能基础毕业,现在在学深度学习,所以还没转型,暂时还不知道.但是我知道,现在经济 ...
- python人工智能方向怎么学_如何学习人工智能
人工智能(Artificial Intelligence),英文缩写为AI它是研究.开发用于模拟.延伸和扩展人的智能的理论.方法.技术及应用系统的一门新的技术科学.现在随着时代的发展,AI的应用也越来 ...
最新文章
- MYsql 查询 查询当前月份的数据
- shell下的进度条和最大最小平均值
- 对飞行前请求的响应未通过访问控制检查:它没有http ok状态。_对不起，看完这篇HTTP，真的可以吊打面试官...
- Arcgis Server开发使用query报错
- Atitit Major island groups and archipelagos 主要的岛群和群岛目录资料目录1. 岛群 波利尼西亚（Polynesia， 美拉尼西亚（Melanesia，
- 火狐浏览器添加restclient.xpi 添加插件时候遇见的 附件未经验证无法安装
- java解惑 - 最后的笑声
- Phaser帧动画没有效果
- 生鲜配送系统有哪些功能？搭建生鲜配送系统有哪些好处？
- GPON与XGPON优势和劣势
- Multiple users(Guest mode) 多用户或访客模式调试
- 正点原子第四期环境搭建
- 零基础学Python--------第4章 序列的应用
- Ubuntu18.04安装微信以及打开闪退问题
- Jquery3.x高版本支持IE8
- Apple Developer 注册，闭坑或潘多拉魔盒？
- 概率密度估计--参数估计与非参数估计
- yolov5_deepsort车流量跟踪计数
- 不要逼我……我想做乖孩子
- Stacked Autoencoders