Ekonometri 1 vize projesi
Ilk projesi
- R yukleme
- Rmarkdown baslangic
- web sayfasini hazirlama
- internete yukleme
formul yazma
\[ beta_0 + \beta_1X + \epsilon \]
Warning: package ‘ggplot2’ was built under R version 4.3.2
library(ggplot2)
enflasyon_verileri <- data.frame(
ülke = c(rep("Fildişi Sahili", 10), rep("Almanya", 10)),
yıl = rep(2010:2019, 2),
enflasyon = c(2.5, 3.0, 2.8, 3.2, 3.5, 4.0, 4.2, 4.5, 4.8, 5.0,
1.8, 1.7, 1.9, 2.0, 2.2, 2.3, 2.5, 2.6, 2.8, 3.0)
)
grafik <- ggplot(enflasyon_verileri, aes(x = yıl, y = enflasyon, color = ülke)) +
geom_line() +
geom_point() +
labs(x = "Yıl", y = "Enflasyon Oranı", color = "Ülke") +
ggtitle("Fildişi Sahili ve Almanya Enflasyon Karşılaştırması")
print(grafik)
Makine ogrenmesi aciklayin
Makine Öğrenimi (MO), bilgisayar sistemlerinin belirli bir görevi belirli bir performans metriğiyle öğrenmelerine ve gelişmelerine olanak tanıyan bir yapay zeka dalıdır. Bu teknoloji, veri madenciliği, istatistiksel modelleme ve yapay zeka gibi disiplinlerden etkilenir. Makine öğrenimi algoritmaları, belirli bir görevi gerçekleştirmek için veri üzerinde örüntüler ve ilişkiler bulma yeteneğine sahiptir.
İşte makine öğreniminin temel kavramları:
Veri Toplama ve Hazırlama: Makine öğrenimi, genellikle büyük miktarda veri ile çalışır. Bu veri, görevin doğru bir şekilde öğrenilmesi ve performansın değerlendirilmesi için kullanılır. Veri seti genellikle özellikler (features) ve hedef değişken (target variable) olarak adlandırılan iki temel bileşenden oluşur.
Özellik Mühendisliği: Özellik mühendisliği, mevcut veri setindeki özellikleri kullanarak yeni ve anlamlı özellikler oluşturma sürecidir. Bu, algoritmanın daha iyi öğrenmesini ve performansını artırmasını sağlar.
Algoritmaların Seçimi: Belirli bir görev için uygun algoritmanın seçilmesi önemlidir. Sınıflandırma, regresyon, kümeleme, boyut azaltma gibi farklı görevlere özel algoritmalar bulunmaktadır.
Model Eğitimi: Model eğitimi, makine öğrenimi modelinin belirli bir görevi öğrenmesi için veri seti üzerinde çalıştırılmasını içerir. Model, özellikleri hedef değişkenle ilişkilendirerek örüntüleri öğrenir.
Model Değerlendirmesi: Modelin performansının değerlendirilmesi, genellikle ayrı bir test veri seti kullanılarak yapılır. Doğruluk, hassasiyet, geri çağırma gibi metrikler kullanılarak değerlendirme yapılır.
Model Ayarlama ve Optimizasyon: Modelin performansını artırmak için hiperparametrelerin ayarlanması ve modelin optimize edilmesi adımları gerçekleştirilir.
Tahmin ve Sonuçların İncelemesi: Model eğitildikten sonra, gerçek dünya verileri üzerinde tahminler yapabilir ve sonuçları inceleyebilirsiniz.
Makine öğrenimi, birçok endüstri ve uygulama alanında kullanılmaktadır, örneğin: - Sağlık sektöründe hastalık teşhisi, - Finans sektöründe risk değerlendirmesi, - Pazarlama alanında müşteri segmentasyonu, - Otomotiv sektöründe sürücüsüz araç teknolojileri, ve daha birçok alanda.
Titanic
Gaggle projes
pacehip titanic( kaggle taninimi)
Hoş geldiniz 2912 yılına, burada veri bilimi yeteneklerinizin bir kozmik gizemi çözmek için gerektiği bir yerdesiniz. Dört ışık yılı uzaktan bir ileti aldık ve durum pek iç açıcı değil.
Uzay Gemisi Titanic, bir ay önce fırlatılan yıldızlar arası bir yolcu gemisiydi. Yaklaşık 13,000 yolcuyla donatılmış olarak, gemi, güneş sistemimizden ayrılarak, yakındaki yıldızlar etrafında dönen üç yeni yaşanabilir ötegezegenine göçmen taşıyan ilk seferine çıktı.
Alpha Centauri’yi dönerken ilk varış noktasına - kavurucu 55 Cancri E’ye - ulaşma yolunda, dikkatsiz Uzay Gemisi Titanic, bir toz bulutu içinde gizlenmiş bir uzay-zaman anormalliği ile çarpıştı. Maalesef, bin yıl öncesinin adını taşıyan gemi gibi benzer bir kaderi paylaştı. Gemisi sağlam kalsa da, yolcuların neredeyse yarısı alternatif bir boyuta taşındı!
Kurtarma ekiplerine yardımcı olmak ve kaybolan yolcuları kurtarmak için, sizi geminin hasar görmüş bilgisayar sisteminden kurtarılan kayıtları kullanarak anomali tarafından taşınan hangi yolcuların olduğunu tahmin etmeye çağırıyoruz.
Onları kurtarmaya yardımcı olun ve tarihi değiştirin!
Ortalama nedir?
Ortalama, bir veri kümesindeki sayıların toplamının, sayı adedine bölünmesiyle elde edilen bir ölçüdür. Aritmetik ortalama en yaygın olarak kullanılan ortalama türüdür.
Aritmetik ortalama, bir veri kümesindeki her bir sayının toplamının, toplamda kaç adet sayı olduğuna bölünmesiyle bulunur.
Formülü:
\[ \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} \] ## Örnek:
\[ Veri grubu:1, 7, 13, 10, 20, 13, 52 Ortalama: \bar{x} = \frac{1 + 7 + 13 + 10 + 20 + 13 + 52}{7} = \frac{116}{7} \approx 16.57 \] ## Standart sapma nedir?
Standart sapma, bir veri kümesindeki değerlerin ne kadar yayılım gösterdiğini ölçen bir istatistiksel ölçüdür. Standart sapma, ortalama etrafındaki veri noktalarının ne kadar dağıldığını ifade eder. Düşük standart sapma, verilerin ortalama etrafında daha sıkı bir şekilde toplandığını gösterirken, yüksek standart sapma, verilerin ortalama etrafında daha geniş bir dağılıma sahip olduğunu gösterir.
Standart sapma, bir veri kümesindeki her bir değerin, ortalama değerden ne kadar uzaklıkta olduğunu ölçer. Standart sapma, özellikle normal dağılım gibi belirli istatistiksel dağılımlarda, veri noktalarının genel dağılımı hakkında bilgi sağlar.
Formülü:
\[ \sigma = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n}} \]
ORNEK :
\[ Standart Sapma:s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}} = \sqrt{\frac{(1-16.57)^2 + (7-16.57)^2 + \cdots + (52-16.57)^2}{7-1}} \] \[ Standart Sapma: s = \sqrt{\frac{502.57}{6}} \approx \sqrt{83.76} \approx 9.15 \]
Korelasyon nedir?
Korelasyon, iki değişken arasındaki ilişkinin gücünü ve yönünü ölçen istatistiksel bir kavramdır. İki değişken arasındaki korelasyon, bir değişkenin değeri değiştikçe diğer değişkenin nasıl değiştiğini anlamamıza yardımcı olur. Korelasyon genellikle -1 ile 1 arasında bir değer alır:
1: Mükemmel pozitif korelasyon (bir değişken arttığında diğer değişken de artar).
0: Hiçbir korelasyon (değişkenler arasında bir ilişki yoktur).
-1: Mükemmel negatif korelasyon (bir değişken arttığında diğer değişken azalır).
Korelasyon katsayısı, genellikle Pearson korelasyon katsayısı veya Spearman sıralama korelasyon katsayısı gibi yöntemlerle hesaplanır. Pearson korelasyonu, iki değişken arasındaki lineer ilişkiyi ölçerken, Spearman korelasyonu sıralı veriler arasındaki ilişkiyi ölçer.
Formul :
\[ \text{cov}(X, Y) = \frac{\sum_{i=1}^{n}(X_i - \bar{X})(Y_i - \bar{Y})}{n} \]
Kovaryans nedir?
Kovaryans, iki rastgele değişkenin birlikte nasıl değiştiğini ölçen istatistiksel bir büyüklüktür. Bu, bu değişkenler arasındaki doğrusal ilişkinin yönü hakkında bir gösterge sağlar. Başka bir deyişle, kovaryans, iki değişkenin varyasyonlarının birbirleri ile nasıl ilişkili olduğunu ölçer.
Kovaryans, pozitif, negatif veya sıfır değerler alabilir.
Pozitif bir kovaryans, değişkenlerin birlikte artma veya azalma eğiliminde olduğunu gösterir. Negatif bir kovaryans, bir değişkenin artma eğiliminde olduğunu gösterirken diğerinin azalma eğiliminde olduğunu gösterir. Sıfıra yakın bir kovaryans, değişkenler arasında düşük bir doğrusal ilişki olduğunu gösterir. Ancak kovaryans, bireysel değişkenlerin birimlerine bağlı olan bir ölçü birimidir, bu da farklı değişken çiftleri arasında kovaryansların karşılaştırılmasını zorlaştırabilir. Bu durumu düzeltmek için bazen kovaryansı normalize eden korelasyon katsayısı kullanılır.
Formul :
\[ \text{corr}(X, Y) = \frac{\sum_{i=1}^{n}(X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum_{i=1}^{n}(X_i - \bar{X})^2 \cdot \sum_{i=1}^{n}(Y_i - \bar{Y})^2}} \]
Train nedir:
Train veri seti, veri bilimi projelerinde modelin eğitildiği veri kümesidir. Bu veri seti, modelin öğrenme sürecinde kullanılan verileri içerir. Titanic projesi örneğinde, train veri seti, gemideki bazı yolcuların bilgilerini içerir (örneğin, yaş, cinsiyet, sınıf vb.). Model, bu veri setini kullanarak hayatta kalma durumunu tahmin etmeyi öğrenir.
Test nedir :
Test veri seti, veri bilimi projelerinde modelin performansını değerlendirdiği veri kümesidir. Bu veri seti, modelin daha önce görmediği başka yolcuların bilgilerini içerir. Titanic projesi örneğinde, test veri setindeki yolcuların hayatta kalma durumunu tahmin etmek için eğittiğiniz modeli kullanacaksınız. Modelin tahminlerini bu veri setinde düzenleyerek Kaggle’a yükleyebilir ve sonuçları gerçek sonuçlarla karşılaştırabilirsiniz. Başarılar dilerim!
Train ve test yukleme
## # A tibble: 6 × 14
## PassengerId HomePlanet CryoSleep Cabin Destination Age VIP RoomService
## <chr> <chr> <lgl> <chr> <chr> <dbl> <lgl> <dbl>
## 1 0001_01 Europa FALSE B/0/P TRAPPIST-1e 39 FALSE 0
## 2 0002_01 Earth FALSE F/0/S TRAPPIST-1e 24 FALSE 109
## 3 0003_01 Europa FALSE A/0/S TRAPPIST-1e 58 TRUE 43
## 4 0003_02 Europa FALSE A/0/S TRAPPIST-1e 33 FALSE 0
## 5 0004_01 Earth FALSE F/1/S TRAPPIST-1e 16 FALSE 303
## 6 0005_01 Earth FALSE F/0/P PSO J318.5-22 44 FALSE 0
## # ℹ 6 more variables: FoodCourt <dbl>, ShoppingMall <dbl>, Spa <dbl>,
## # VRDeck <dbl>, Name <chr>, Transported <lgl>Veri seti açıklama:
Bu yarışmada göreviniz , Uzay Gemisi Titanik’in uzay-zaman anomalisiyle çarpışması sırasında bir yolcunun alternatif bir boyuta taşınıp taşınmadığını tahmin etmektir . Bu tahminleri yapmanıza yardımcı olmak için size geminin hasarlı bilgisayar sisteminden kurtarılan bir dizi kişisel kayıt veriliyor.
Dosya ve Veri Alanı Açıklamaları:
- train.csv - Yolcuların yaklaşık üçte ikisinin (~8700) kişisel kayıtları, eğitim verileri olarak kullanılacak.
- PassengerId - Her yolcu için benzersiz bir Kimlik. Her Kimlik gggg_pp biçimini alır; burada gggg yolcunun birlikte seyahat ettiği grubu belirtir ve pp grup içindeki numaradır. Bir gruptaki insanlar çoğunlukla aile üyeleridir, ancak her zaman değil.
- HomePlanet - Yolcunun ayrıldığı gezegen, genellikle daimi ikamet ettikleri gezegen.
- CryoSleep - Yolcunun yolculuk süresince animasyonun askıya alınmasını seçip seçmediğini belirtir. Dondurucu uykudaki yolcular kabinlerine hapsedilir.
- Cabin - Yolcunun kaldığı kabin numarası. Güverte/numara/yan formunu alır; burada taraf, İskele için P veya Sancak için S olabilir.
- Destination - Yolcunun ineceği gezegen.
- Age - Yolcunun yaşı.
- VIP - Yolcunun yolculuk sırasında özel VIP hizmeti için ödeme yapıp yapmadığı. RoomService, FoodCourt, Alışveriş Merkezi, Spa, VRDeck - Yolcunun, Spaceship Titanic’in birçok lüks olanağının her birinde fatura ettiği tutar.
- Name - Yolcunun adı ve soyadı.
- Transported - Yolcunun başka bir boyuta taşınıp taşınmadığı. Bu hedeftir, tahmin etmeye çalıştığınız sütundur.
- test.csv - Yolcuların geri kalan üçte birinin (~4300) kişisel kayıtları, test verisi olarak kullanılacak. Göreviniz bu setteki yolcular için Taşınan değerini tahmin etmektir.
- sample_submission.csv - Doğru formatta bir gönderim dosyası.
- PassengerId - Test setindeki her yolcunun kimliği.
- Transported - Hedef. Her yolcu için Doğru veya Yanlış’ı tahmini yapin.
packetler neden onemlidir :
Paketler, programlama dillerindeki kütüphanelere benzeyen ve genellikle önceden yazılmış fonksiyonlar, sınıflar ve diğer kaynakları içeren yapısal birimlerdir. Özellikle R gibi açık kaynaklı ve geniş kullanılan programlama dillerinde paketlerin önemi büyüktür. İşte paketlerin neden önemli olduğuna dair bazı nedenler:
Fonksiyon ve Araçları Kolayca Kullanma: Paketler, çoğu zaman belirli bir işlevi gerçekleştiren ve ihtiyacınız olan fonksiyonları içerir. Bu, kendi kodunuzu tekrar tekrar yazmak yerine, paketlerde bulunan hazır fonksiyonları kullanarak zaman kazanmanızı sağlar.
Kod Tekrarını Azaltma: Paketler, genellikle sık kullanılan görevleri gerçekleştirmek için geliştirilmiş fonksiyonları içerir. Bu, aynı işi yapmak için sürekli olarak yeni kodlar yazma ihtiyacını azaltır ve kod tekrarını önler.
Geliştirme Hızını Artırma: Paketler, belirli bir probleme veya göreve yönelik olarak geliştirilmiş hazır çözümleri içerir. Bu, yeni projelere başlarken veya mevcut projeleri geliştirirken zaman kazanmanıza yardımcı olur ve geliştirme sürecini hızlandırır.
Topluluk Katkıları ve Paylaşımı: Açık kaynaklı programlama dillerinde, genellikle birçok farklı geliştiricinin katkıda bulunduğu ve paylaşılan paketler bulunur. Bu, geniş bir topluluk tarafından oluşturulan ve güncellenen paketlerin kullanılabilirliğini artırır.
Yeniden Kullanılabilirlik ve Uyumluluk: Paketler, farklı projelerde ve farklı kullanıcılar arasında kolayca yeniden kullanılabilir. Bu, bir projede başarılı olduğunuz bir paketi, başka bir projede de kullanarak işlerinizi daha tutarlı ve uyumlu hale getirmenize yardımcı olur.
Yeni Teknolojilere Erişim: Paketler, genellikle yeni teknolojilere veya gelişmiş algoritmaların uygulamalarına erişim sağlar. Bu, geliştiricilerin projelerine yeni ve güçlü özellikler eklemelerini sağlar.
Sonuç olarak, paketler programlama sürecinde büyük öneme sahiptir. Hazır fonksiyonları kullanarak zaman kazanır, kod tekrarını azaltır, geliştirme sürecini hızlandırır ve topluluk katkılarından yararlanarak daha güçlü ve tutarlı uygulamalar geliştirmenize olanak tanır.
Cabin üç farklı grup çıkarmak
## # A tibble: 17 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet chr 201 2.3 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutun1 chr 199 2.3 9 NA NA NA
## 6 sutun2 chr 199 2.3 1818 NA NA NA
## 7 sutun3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 182 2.1 4 NA NA NA
## 9 Age dbl 179 2.1 81 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 13 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1## # A tibble: 17 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet chr 201 2.3 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 sutun1 chr 199 2.3 9 NA NA NA
## 6 sutun2 chr 199 2.3 1818 NA NA NA
## 7 sutun3 chr 199 2.3 3 NA NA NA
## 8 Destination chr 182 2.1 4 NA NA NA
## 9 Age dbl 179 2.1 81 0 28.8 79
## 10 VIP lgl 203 2.3 3 0 0.02 1
## 11 RoomService dbl 181 2.1 1274 0 225. 14327
## 12 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 13 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 14 Spa dbl 183 2.1 1328 0 311. 22408
## 15 VRDeck dbl 188 2.2 1307 0 305. 24133
## 16 Name chr 200 2.3 8474 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 181 rows containing non-finite outside the scale range
## (`stat_bin()`).
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.## Warning: Removed 181 rows containing non-finite outside the scale range
## (`stat_bin()`).
## Warning in check_dep_version(): ABI version mismatch:
## lme4 was built with Matrix ABI version 1
## Current Matrix ABI version is 0
## Please re-install lme4 from source or restore original 'Matrix' package
##
## Variables sorted by number of missings:
## Variable Count
## CryoSleep 0.02496261
## ShoppingMall 0.02392730
## VIP 0.02335212
## HomePlanet 0.02312205
## Name 0.02300702
## Cabin 0.02289198
## sutun1 0.02289198
## sutun2 0.02289198
## sutun3 0.02289198
## VRDeck 0.02162660
## FoodCourt 0.02105142
## Spa 0.02105142
## Destination 0.02093639
## RoomService 0.02082135
## Age 0.02059128
## PassengerId 0.00000000
## Transported 0.00000000
## PassengerId Transported Age RoomService Destination FoodCourt Spa VRDeck
## 6606 1 1 1 1 1 1 1 1
## 167 1 1 1 1 1 1 1 1
## 164 1 1 1 1 1 1 1 1
## 6 1 1 1 1 1 1 1 1
## 165 1 1 1 1 1 1 1 1
## 5 1 1 1 1 1 1 1 1
## 3 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 1
## 163 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1
## 5 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1
## 158 1 1 1 1 1 1 1 1
## 9 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 1
## 5 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1
## 158 1 1 1 1 1 1 1 1
## 6 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1
## 5 1 1 1 1 1 1 1 1
## 6 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 1
## 151 1 1 1 1 1 1 1 0
## 6 1 1 1 1 1 1 1 0
## 6 1 1 1 1 1 1 1 0
## 1 1 1 1 1 1 1 1 0
## 3 1 1 1 1 1 1 1 0
## 4 1 1 1 1 1 1 1 0
## 153 1 1 1 1 1 1 0 1
## 2 1 1 1 1 1 1 0 1
## 1 1 1 1 1 1 1 0 1
## 1 1 1 1 1 1 1 0 1
## 2 1 1 1 1 1 1 0 1
## 2 1 1 1 1 1 1 0 1
## 5 1 1 1 1 1 1 0 1
## 1 1 1 1 1 1 1 0 1
## 1 1 1 1 1 1 1 0 1
## 3 1 1 1 1 1 1 0 0
## 142 1 1 1 1 1 0 1 1
## 3 1 1 1 1 1 0 1 1
## 2 1 1 1 1 1 0 1 1
## 4 1 1 1 1 1 0 1 1
## 1 1 1 1 1 1 0 1 1
## 5 1 1 1 1 1 0 1 1
## 4 1 1 1 1 1 0 1 1
## 6 1 1 1 1 1 0 1 0
## 4 1 1 1 1 1 0 0 1
## 1 1 1 1 1 1 0 0 1
## 146 1 1 1 1 0 1 1 1
## 2 1 1 1 1 0 1 1 1
## 5 1 1 1 1 0 1 1 1
## 3 1 1 1 1 0 1 1 1
## 3 1 1 1 1 0 1 1 1
## 1 1 1 1 1 0 1 1 1
## 3 1 1 1 1 0 1 1 1
## 1 1 1 1 1 0 1 1 1
## 1 1 1 1 1 0 1 1 1
## 1 1 1 1 1 0 1 1 1
## 2 1 1 1 1 0 1 1 0
## 2 1 1 1 1 0 1 0 1
## 1 1 1 1 1 0 1 0 1
## 4 1 1 1 1 0 0 1 1
## 1 1 1 1 1 0 0 1 1
## 149 1 1 1 0 1 1 1 1
## 2 1 1 1 0 1 1 1 1
## 4 1 1 1 0 1 1 1 1
## 4 1 1 1 0 1 1 1 1
## 6 1 1 1 0 1 1 1 1
## 1 1 1 1 0 1 1 1 1
## 4 1 1 1 0 1 1 1 1
## 2 1 1 1 0 1 1 1 0
## 3 1 1 1 0 1 1 0 1
## 2 1 1 1 0 1 0 1 1
## 3 1 1 1 0 0 1 1 1
## 151 1 1 0 1 1 1 1 1
## 1 1 1 0 1 1 1 1 1
## 4 1 1 0 1 1 1 1 1
## 5 1 1 0 1 1 1 1 1
## 1 1 1 0 1 1 1 1 1
## 2 1 1 0 1 1 1 1 1
## 2 1 1 0 1 1 1 1 1
## 1 1 1 0 1 1 1 1 1
## 2 1 1 0 1 1 1 1 0
## 1 1 1 0 1 1 1 1 0
## 1 1 1 0 1 1 1 1 0
## 1 1 1 0 1 1 1 0 1
## 3 1 1 0 1 1 0 1 1
## 2 1 1 0 1 0 1 1 1
## 1 1 1 0 1 0 0 1 1
## 1 1 1 0 0 1 1 1 1
## 0 0 179 181 182 183 183 188
## Cabin sutun1 sutun2 sutun3 Name HomePlanet VIP ShoppingMall CryoSleep
## 6606 1 1 1 1 1 1 1 1 1 0
## 167 1 1 1 1 1 1 1 1 0 1
## 164 1 1 1 1 1 1 1 0 1 1
## 6 1 1 1 1 1 1 1 0 0 2
## 165 1 1 1 1 1 1 0 1 1 1
## 5 1 1 1 1 1 1 0 1 0 2
## 3 1 1 1 1 1 1 0 0 1 2
## 1 1 1 1 1 1 1 0 0 0 3
## 163 1 1 1 1 1 0 1 1 1 1
## 2 1 1 1 1 1 0 1 1 0 2
## 5 1 1 1 1 1 0 1 0 1 2
## 2 1 1 1 1 1 0 0 1 1 2
## 158 1 1 1 1 0 1 1 1 1 1
## 9 1 1 1 1 0 1 1 1 0 2
## 2 1 1 1 1 0 1 1 0 1 2
## 1 1 1 1 1 0 1 0 1 1 2
## 5 1 1 1 1 0 0 1 1 1 2
## 2 1 1 1 1 0 0 1 0 1 3
## 158 0 0 0 0 1 1 1 1 1 4
## 6 0 0 0 0 1 1 1 1 0 5
## 2 0 0 0 0 1 1 1 0 1 5
## 5 0 0 0 0 1 1 0 1 1 5
## 6 0 0 0 0 1 0 1 1 1 5
## 1 0 0 0 0 0 1 1 1 1 5
## 151 1 1 1 1 1 1 1 1 1 1
## 6 1 1 1 1 1 1 1 1 0 2
## 6 1 1 1 1 1 1 1 0 1 2
## 1 1 1 1 1 1 1 0 1 0 3
## 3 1 1 1 1 0 1 1 1 1 2
## 4 0 0 0 0 1 1 1 1 1 5
## 153 1 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 0 2
## 1 1 1 1 1 1 1 1 0 1 2
## 1 1 1 1 1 1 1 1 0 0 3
## 2 1 1 1 1 1 1 0 1 1 2
## 2 1 1 1 1 1 0 1 1 1 2
## 5 1 1 1 1 0 1 1 1 1 2
## 1 1 1 1 1 0 1 1 1 0 3
## 1 0 0 0 0 1 1 1 1 1 5
## 3 1 1 1 1 1 1 1 1 1 2
## 142 1 1 1 1 1 1 1 1 1 1
## 3 1 1 1 1 1 1 1 1 0 2
## 2 1 1 1 1 1 1 1 0 1 2
## 4 1 1 1 1 1 1 0 1 1 2
## 1 1 1 1 1 1 0 1 1 1 2
## 5 1 1 1 1 0 1 1 1 1 2
## 4 0 0 0 0 1 1 1 1 1 5
## 6 1 1 1 1 1 1 1 1 1 2
## 4 1 1 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 0 1 1 1 3
## 146 1 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 0 2
## 5 1 1 1 1 1 1 1 0 1 2
## 3 1 1 1 1 1 1 0 1 1 2
## 3 1 1 1 1 1 0 1 1 1 2
## 1 1 1 1 1 1 0 0 1 1 3
## 3 1 1 1 1 0 1 1 1 1 2
## 1 0 0 0 0 1 1 1 1 1 5
## 1 0 0 0 0 1 1 1 1 0 6
## 1 0 0 0 0 0 1 1 1 1 6
## 2 1 1 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 1 1 1 0 3
## 4 1 1 1 1 1 1 1 1 1 2
## 1 0 0 0 0 1 1 1 1 1 6
## 149 1 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 0 2
## 4 1 1 1 1 1 1 1 0 1 2
## 4 1 1 1 1 1 1 0 1 1 2
## 6 1 1 1 1 1 0 1 1 1 2
## 1 1 1 1 1 0 1 1 1 1 2
## 4 0 0 0 0 1 1 1 1 1 5
## 2 1 1 1 1 1 1 1 1 1 2
## 3 1 1 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 1 2
## 3 1 1 1 1 1 1 1 1 1 2
## 151 1 1 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 1 0 2
## 4 1 1 1 1 1 1 1 0 1 2
## 5 1 1 1 1 1 1 0 1 1 2
## 1 1 1 1 1 1 0 1 1 1 2
## 2 1 1 1 1 0 1 1 1 1 2
## 2 0 0 0 0 1 1 1 1 1 5
## 1 0 0 0 0 1 1 0 1 1 6
## 2 1 1 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 0 1 1 1 3
## 1 1 1 1 1 0 1 1 1 1 3
## 1 0 0 0 0 1 1 1 1 1 6
## 3 1 1 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 1 1 1 1 3
## 1 1 1 1 1 1 1 1 1 1 2
## 199 199 199 199 200 201 203 208 217 2921## PassengerId HomePlanet CryoSleep Cabin sutun1
## 0001_01: 1 Earth :4602 Mode :logical G/734/S: 8 F :2794
## 0002_01: 1 Europa:2131 FALSE:5439 B/11/S : 7 G :2559
## 0003_01: 1 Mars :1759 TRUE :3037 B/201/P: 7 E : 876
## 0003_02: 1 NA's : 201 NA's :217 B/82/S : 7 B : 779
## 0004_01: 1 C/137/S: 7 C : 747
## 0005_01: 1 (Other):8458 (Other): 739
## (Other):8687 NA's : 199 NA's : 199
## sutun2 sutun3 Destination Age
## 82 : 28 P :4206 55 Cancri e :1800 Min. : 0.00
## 19 : 22 S :4288 PSO J318.5-22: 796 1st Qu.:19.00
## 86 : 22 NA's: 199 TRAPPIST-1e :5915 Median :27.00
## 176 : 21 NA's : 182 Mean :28.83
## 56 : 21 3rd Qu.:38.00
## (Other):8380 Max. :79.00
## NA's : 199 NA's :179
## VIP RoomService FoodCourt ShoppingMall
## Mode :logical Min. : 0.0 Min. : 0.0 Min. : 0.0
## FALSE:8291 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## TRUE :199 Median : 0.0 Median : 0.0 Median : 0.0
## NA's :203 Mean : 224.7 Mean : 458.1 Mean : 173.7
## 3rd Qu.: 47.0 3rd Qu.: 76.0 3rd Qu.: 27.0
## Max. :14327.0 Max. :29813.0 Max. :23492.0
## NA's :181 NA's :183 NA's :208
## Spa VRDeck Name Transported
## Min. : 0.0 Min. : 0.0 Alraium Disivering: 2 Mode :logical
## 1st Qu.: 0.0 1st Qu.: 0.0 Ankalik Nateansive: 2 FALSE:4315
## Median : 0.0 Median : 0.0 Anton Woody : 2 TRUE :4378
## Mean : 311.1 Mean : 304.9 Apix Wala : 2
## 3rd Qu.: 59.0 3rd Qu.: 46.0 Asch Stradick : 2
## Max. :22408.0 Max. :24133.0 (Other) :8483
## NA's :183 NA's :188 NA's : 200## # A tibble: 17 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 6606 NA NA NA
## 2 HomePlanet fct 0 0 3 NA NA NA
## 3 CryoSleep lgl 0 0 2 0 0.35 1
## 4 Cabin fct 0 0 5305 NA NA NA
## 5 sutun1 fct 0 0 8 NA NA NA
## 6 sutun2 fct 0 0 1734 NA NA NA
## 7 sutun3 fct 0 0 2 NA NA NA
## 8 Destination fct 0 0 3 NA NA NA
## 9 Age dbl 0 0 80 0 28.9 79
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService dbl 0 0 1093 0 223. 9920
## 12 FoodCourt dbl 0 0 1293 0 479. 29813
## 13 ShoppingMall dbl 0 0 984 0 178. 12253
## 14 Spa dbl 0 0 1143 0 313. 22408
## 15 VRDeck dbl 0 0 1106 0 304. 20336
## 16 Name fct 0 0 6590 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1## PassengerId HomePlanet CryoSleep Cabin sutun1
## 0001_01: 1 Earth :3566 Mode :logical B/11/S : 7 F :2152
## 0002_01: 1 Europa:1673 FALSE:4274 C/137/S : 7 G :1973
## 0003_01: 1 Mars :1367 TRUE :2332 E/13/S : 7 E : 683
## 0003_02: 1 G/1476/S: 7 B : 628
## 0004_01: 1 G/734/S : 7 C : 587
## 0005_01: 1 C/21/P : 6 D : 374
## (Other):6600 (Other) :6565 (Other): 209
## sutun2 sutun3 Destination Age VIP
## 82 : 22 P:3261 55 Cancri e :1407 Min. : 0.00 Mode :logical
## 56 : 19 S:3345 PSO J318.5-22: 623 1st Qu.:19.00 FALSE:6444
## 97 : 19 TRAPPIST-1e :4576 Median :27.00 TRUE :162
## 176 : 18 Mean :28.89
## 186 : 17 3rd Qu.:38.00
## 269 : 17 Max. :79.00
## (Other):6494
## RoomService FoodCourt ShoppingMall Spa
## Min. : 0 Min. : 0.00 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0 1st Qu.: 0.00 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0 Median : 0.00 Median : 0.0 Median : 0.0
## Mean : 223 Mean : 478.96 Mean : 178.4 Mean : 313.2
## 3rd Qu.: 49 3rd Qu.: 82.75 3rd Qu.: 30.0 3rd Qu.: 65.0
## Max. :9920 Max. :29813.00 Max. :12253.0 Max. :22408.0
##
## VRDeck Name Transported
## Min. : 0.0 Alraium Disivering: 2 Mode :logical
## 1st Qu.: 0.0 Ankalik Nateansive: 2 FALSE:3279
## Median : 0.0 Anton Woody : 2 TRUE :3327
## Mean : 303.8 Apix Wala : 2
## 3rd Qu.: 52.0 Asch Stradick : 2
## Max. :20336.0 Carry Contrevins : 2
## (Other) :6594## PassengerId HomePlanet CryoSleep Cabin sutun1
## 0001_01: 1 Earth :3566 Mode :logical B/11/S : 7 F :2152
## 0002_01: 1 Europa:1673 FALSE:4274 C/137/S : 7 G :1973
## 0003_01: 1 Mars :1367 TRUE :2332 E/13/S : 7 E : 683
## 0003_02: 1 G/1476/S: 7 B : 628
## 0004_01: 1 G/734/S : 7 C : 587
## 0005_01: 1 C/21/P : 6 D : 374
## (Other):6600 (Other) :6565 (Other): 209
## sutun2 sutun3 Destination Age VIP
## 82 : 22 P:3261 55 Cancri e :1407 Min. : 0.00 Mode :logical
## 56 : 19 S:3345 PSO J318.5-22: 623 1st Qu.:19.00 FALSE:6444
## 97 : 19 TRAPPIST-1e :4576 Median :27.00 TRUE :162
## 176 : 18 Mean :28.89
## 186 : 17 3rd Qu.:38.00
## 269 : 17 Max. :79.00
## (Other):6494
## RoomService FoodCourt ShoppingMall Spa
## Min. : 0 Min. : 0.00 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0 1st Qu.: 0.00 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0 Median : 0.00 Median : 0.0 Median : 0.0
## Mean : 223 Mean : 478.96 Mean : 178.4 Mean : 313.2
## 3rd Qu.: 49 3rd Qu.: 82.75 3rd Qu.: 30.0 3rd Qu.: 65.0
## Max. :9920 Max. :29813.00 Max. :12253.0 Max. :22408.0
##
## VRDeck Name Transported
## Min. : 0.0 Alraium Disivering: 2 Mode :logical
## 1st Qu.: 0.0 Ankalik Nateansive: 2 FALSE:3279
## Median : 0.0 Anton Woody : 2 TRUE :3327
## Mean : 303.8 Apix Wala : 2
## 3rd Qu.: 52.0 Asch Stradick : 2
## Max. :20336.0 Carry Contrevins : 2
## (Other) :6594## # A tibble: 17 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 6606 NA NA NA
## 2 HomePlanet fct 0 0 3 NA NA NA
## 3 CryoSleep lgl 0 0 2 0 0.35 1
## 4 Cabin fct 0 0 5305 NA NA NA
## 5 sutun1 fct 0 0 8 NA NA NA
## 6 sutun2 fct 0 0 1734 NA NA NA
## 7 sutun3 fct 0 0 2 NA NA NA
## 8 Destination fct 0 0 3 NA NA NA
## 9 Age dbl 0 0 80 0 28.9 79
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService dbl 0 0 1093 0 223. 9920
## 12 FoodCourt dbl 0 0 1293 0 479. 29813
## 13 ShoppingMall dbl 0 0 984 0 178. 12253
## 14 Spa dbl 0 0 1143 0 313. 22408
## 15 VRDeck dbl 0 0 1106 0 304. 20336
## 16 Name fct 0 0 6590 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1## # A tibble: 17 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId fct 0 0 6606 NA NA NA
## 2 HomePlanet fct 0 0 3 NA NA NA
## 3 CryoSleep lgl 0 0 2 0 0.35 1
## 4 Cabin fct 0 0 5305 NA NA NA
## 5 sutun1 fct 0 0 8 NA NA NA
## 6 sutun2 fct 0 0 1734 NA NA NA
## 7 sutun3 fct 0 0 2 NA NA NA
## 8 Destination fct 0 0 3 NA NA NA
## 9 Age dbl 0 0 80 0 28.9 79
## 10 VIP lgl 0 0 2 0 0.02 1
## 11 RoomService dbl 0 0 1093 0 223. 9920
## 12 FoodCourt dbl 0 0 1293 0 479. 29813
## 13 ShoppingMall dbl 0 0 984 0 178. 12253
## 14 Spa dbl 0 0 1143 0 313. 22408
## 15 VRDeck dbl 0 0 1106 0 304. 20336
## 16 Name fct 0 0 6590 NA NA NA
## 17 Transported lgl 0 0 2 0 0.5 1