GoupillWiki

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
====== KNN et Titanic ======

===== Base de données utilisée =====

Une base de données nous fournit toutes les informations connues concernant les passagers à bord du Titanic, lors de son [[https://fr.wikipedia.org/wiki/Naufrage_du_Titanic|naufrage en avril 1912]].

Voici un aperçu du fichier {{ :nsi:datasets:titanic.train.csv |titanic.train.csv}}, seulement les 10 première lignes.

//Le séparateur utilisé dans le fichier csv est '',''.//

<csv file=:nsi:datasets:titanic.train.csv maxlines=10></csv>


L'information qui nous intéressera particulièrement est //Survived// qui vaut 1 quand l'individu a survécu et 0 sinon.

> //SibSp = Sibling - Spouse// et //Parch = Parent - Children//, ensemble ces deux colonnes désignent le nombre de membres de la famille également passagers
> //Embarked// désigne le port d'embarquement parmi Southampton, Cherbourg, Queenstown
> //Pclass// désigne la classe, 1ere, 2e ou 3e


Pour vous faire une idée, aspect du fichier {{ :nsi:datasets:titanic.train.csv |titanic.train.csv}} (quelques lignes)

<code lang-none>
PassengerId,Survived,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked
1,0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S
2,1,1,"Cumings, Mrs. John Bradley (Florence Briggs Thayer)",female,38,1,0,PC 17599,71.2833,C85,C
3,1,3,"Heikkinen, Miss. Laina",female,26,0,0,STON/O2. 3101282,7.925,,S
4,1,1,"Futrelle, Mrs. Jacques Heath (Lily May Peel)",female,35,1,0,113803,53.1,C123,S
5,0,3,"Allen, Mr. William Henry",male,35,0,0,373450,8.05,,S
6,0,3,"Moran, Mr. James",male,0,0,0,330877,8.4583,,Q
7,0,1,"McCarthy, Mr. Timothy J",male,54,0,0,17463,51.8625,E46,S
8,0,3,"Palsson, Master. Gosta Leonard",male,2,3,1,349909,21.075,,S
9,1,3,"Johnson, Mrs. Oscar W (Elisabeth Vilhelmina Berg)",female,27,0,2,347742,11.1333,,S
</code>

===== Objectif =====

Soit un individu non présent dans le fichier précédent, pour lequel on a toutes les informations **sauf** celle concernant sa survie. On souhaite, sur la base des informations contenues dans {{ :nsi:datasets:titanic.train.csv |titanic.train.csv}}, deviner si cet individu a survécu ou non.

Il faut répéter cette manœuvre sur les individus de {{ :nsi:datasets:titanic.test.csv |}} qui est un fichier semblable au précédent mais sans la colonne //Survived//.

Pour vous faire une idée, aspect du fichier {{ :nsi:datasets:titanic.test.csv |}} (quelques lignes)

<code csv>
PassengerId,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked
892,3,"Kelly, Mr. James",male,34.5,0,0,330911,7.8292,,Q
893,3,"Wilkes, Mrs. James (Ellen Needs)",female,47.0,1,0,363272,7.0,,S
894,2,"Myles, Mr. Thomas Francis",male,62.0,0,0,240276,9.6875,,Q
895,3,"Wirz, Mr. Albert",male,27.0,0,0,315154,8.6625,,S
896,3,"Hirvonen, Mrs. Alexander (Helga E Lindqvist)",female,22.0,1,1,3101298,12.2875,,S
897,3,"Svensson, Mr. Johan Cervin",male,14.0,0,0,7538,9.225,,S
898,3,"Connolly, Miss. Kate",female,30.0,0,0,330972,7.6292,,Q
899,2,"Caldwell, Mr. Albert Francis",male,26.0,1,1,248738,29.0,,S
900,3,"Abrahim, Mrs. Joseph (Sophie Halaut Easu)",female,18.0,0,0,2657,7.2292,,C
</code>

===== Méthode =====

Je vous propose d'utiliser un algorithme KNN qui sélectionnera les données qui vous semblent pertinentes dans {{ :nsi:datasets:titanic.train.csv |titanic.train.csv}}, les ajuste éventuellement et qui permettra de déterminer pour un individu inconnu dont on ne sait pas la valeur de l'attribut //Survived// à quelle classe il appartient.

//Par classe, comprenez survivant (Survived = 1) ou non survivant (Survived = 0)//

===== Vérification =====

Je vous fournit le fichier test avec sa colonne //Survived// ce qui vous permettra de voir à quel point votre algorithme a deviné juste.

{{ :nsi:datasets:titanic.test.complet.csv |}}

On peut aussi se contenter du fichier ne contant que la colonne //Survived// pour les mêmes individus :

{{ :nsi:datasets:titanic.test.result.csv |}}