Zbudowałem model predykcyjny przewidujący przeżywalność pasażerów RMS Titanic z wykorzystaniem tzw. uczenia maszynowego. Całość przygotowana na podstawie zebranych danych z dokumentacji archiwalnej (poniżej fragment wykorzystanego zbioru danych).
Po uruchomieniu tego adresu:
https://services.azureml.net/workspaces/8c20854482a7482cac5cd7f0d3df66fd/webservices/ab668a30b4a84721bdfb8b70131b10ad/endpoints/default/test/rrs?fromStudio=true można przetestować model (niestety trzeba posiadać lub założyć darmowe konto Microsoft)
wprowadzając różne parametry takie jak np. płeć, wiek, ilość rodzeństwa lub liczbę rodziców podróżujących z dziećmi.
Interfejs aplikacji wygląda tak jak na załączonym poniżej obrazku.
Małe wyjaśnienie jakie parametry należy podać by zbadać kto miał szanse na przeżycie:
Survived - tutaj wprowadzamy 0 jest to wartość serwisu dokonującego przewidywania
PClass - można wprowadzić cyfrę 1,2 lub 3 dla pierwszej, drugiej lub trzeciej klasy
Sex - płeć męska lub żeńska
Age - tutaj wprowadza się wiek
SIBSP - liczba rodzeństwa i małżonków podróżujących z pasażerem
Parch - liczba rodziców i dzieci podróżujących z pasażerem
Prawdopodobieństwo przeżywalności podane jest w procentach w pozycji Scored Probabilities w tym przypadku 0.227678571428571.
Wynik taki uzyskujemy po wybraniu 3 klasy dla pasażera, płeć mężczyzna, wiek 22 lata, 1 dla pozycji sibsp.
Osoby zainteresowanym udostępniłem projekt na stronie
https://gallery.cortanaintelligence.com/Experiment/Titanic-9
W zaprezentowany sposób można wykorzystać różne rodzaje danych na podstawie można dokonywać przewidywania tak jak to się robi np. w przypadku prognozy pogody.
