AI黑科技与泰坦尼克
摘自《零起点TensorFlow快速入门》。
TF黑科技与泰坦尼克 – 《零起点TensorFlow快速入门》
zw-ps:几年前d老文章了，现在依然有参考价值，特别是对于初学者。
参见：
zw公开课与哈佛、斯坦福MBA案例教学
TQ极宽量化·课程简介
经典大片《泰坦尼克》（Titanic），以1912年泰坦尼克号邮轮在其处女启航时触礁冰山而沉没的事件为背景，描述了处于不同阶层的两个人——穷画家杰克和贵族女露丝抛弃世俗的偏见坠入爱河，最终杰克把生命的机会让给了露丝的感人故事。
在机器学习领域，《Titanic数据集》是与《IRIS数据集》并列的经典数据集。
Titanic数据集，是根据泰坦尼克号上的人员是否存活的数据集，是国际著名的机器学习大赛Kaggle的入门练手题。
Titanic数据集共有1237个数据，其中819个训练集和418测试集。
数据集中共有12个字段，包括年龄、性别、船厂等级等12个属性:
《泰坦尼克》案例，就是通过使用神经网络算法，根据Titanic数据集，计算经典大片《泰坦尼克》（Titanic）的两位男女主人公：穷画家杰克和贵族女露丝，每个人的生存机率。
这个问题，初一看，似乎是“不可能完成的任务”，不过TF既然被誉为自Internet以来唯一的黑科技，自然有其解决的办法。
曾经有历史学者，通过研究历史数据当中的食盐、布匹消费量，而推断当时相关国家的人口、经济、军事等实力，并衍生出一个计量历史学这样一个学科。
马云曾经说过：“要么电子商务，要么无商可务。”
也许，未来的学术领域，也会“要么AI，要么NO-A。” ，这里的A，代表 Anything 。
相信，随着类似Titanic数据集案例、梵高画风等一系列，基于TF等神经网络、深度学习项目的不断涌现，未来的各个学科，对会基于AI人工智能，进行新的学术重组。
Kaggle机器学习公开赛当中，这道题给的数据是泰坦尼克号上的乘客的信息，预测乘客是否幸存。这是个二元分类的机器学习问题，但是由于数据样本相对较少，在当时慌乱的情况下幸存者有一定的随机性，还是有一定挑战的。
参见：https://www.kaggle.com/c/titanic-gettingStarted/
其中的一个案例，计算结果表明：
杰克获救的机会是16.7%，露丝是95.8%。
请大家关注TOP极宽量化公众号：TOP极宽量化，浏览，TopQuant.vip极宽网站，大量原创量化资料和课件、案例源码。关注公众号，即可获得最新网盘下载地址。TQ极宽·相关网络QQ社群如下：
- QQ群号：124134140，TOP极宽金融量化总群，面向专业金融实盘用户，三千人大群。
- QQ群号：1057170501，zwPython.com学习群，面向py初学者和大众小白用户，两千人大群。
- QQ群号：699266891，TFB极宽足球大数据，TFB=TopFootBall
- QQ群号：790548107，FASTAI智能量化
- QQ群号：663952322，PytorchLightning智能框架
- QQ群号：655402626，CBF中华大字库，ziwang.com字王网站，已升级为元字库: metafont.vip