Help us understand the problem. What is going on with this article?

Kaggle の Titanic Prediction Competition に、Keras でモデル作成し submit してみるまで

More than 1 year has passed since last update.

はじめに

 昨日、kaggle の Getting Started Prediction Competition の一つである、Titanicのデータを分析して見たが、傾向はいまひとつよく分からず。
https://qiita.com/kznx/items/fcbc49320411f9d4fe81

 せっかくなので、予測してsubmitしてみることにしました。手法としては、RandomForest や boostingが向いているようですが、サクッとkerasでどこまで行けるか、3時間ほど試して見ました。参考にしたのは下記のgithubです。コメント等は英語ですが、とても分かりやすいコードです。

https://github.com/savarin/neural-networks

https://github.com/savarin/python_for_ml

方針

 前処理は上記のsavarinさんの方針そのまま採用させていただきました。

  • 'Name', 'Ticket', 'Cabin’は使わない
  • ‘Age’, ‘Fare’ の欠損値は平均で埋める
  • ‘Sex’ は 0,1 に
  • ‘Embarked’ は Onehot ベクトルに

 Neural Networkはシンプルに隠れ層 2層のMLPで。あとはそれらしいパラメータで。コードは以下に置きました。

https://github.com/kznx/kaggle_titanic

終わりに

 とりあえずsubmitしてみたところ、77%で6548位とのこと。とは言っても、同じ正解率の人が500人以上いるようで、中盤は競争が激しいようです。ハイパーパラメータチューニングすれば、80%ぐらいまでは行きそうな気がするので、ちょっと試してみたいと思います。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした