EKONOMETRI PROJE 1
ILK PROJET
.R yükledik
.R Markdown başlangıç
.Web sayfası hazırlandık
.İnternete yükledik
FORMUL
\[ P=u*i*t \]
\[ F = k * (|q1| * |q2|) / r^2 \]
\[ Φ = ε₀ * ∫E dA \]
FILDISI SAHILI VE ALMANYA ENFLASYON GRAFIK
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.
space titanic
kaggle proje
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
\[ \text{Ortalama} = \frac{{SayıAdedi}}{{Toplam}} \] \[ \bar{X} = \frac {\Sigma^n_İ (X_i)}{n} \]
Örnek:
5, 8, 12, 15 ve 20 sayıları verilen bir küme için aritmetik ortalama kactir?
\[ \text{Ortalama} = \frac{{5+8+12+15+20}}{{5}}=\frac{{20}}{5}=12 \] Bu durumda, kümenin aritmetik ortalaması 12’dir
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
\[ \sigma = \sqrt \frac {\Sigma^N_i (X_i-\bar{X})^2}{N} \]
σ standart sapmayı temsil eder, N veri noktalarının toplam sayısını temsil eder, x_i her bir veri noktasını μ veri kümesinin ortalamasını temsil eder.
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 \[ R = \frac {\Sigma (x_i-\bar{x})(y_i-\bar{y})}{ \sqrt {\Sigma (x_i-\bar{x})^2 \Sigma (y_i-\bar{y})^2}} \] ### Örnek:
veri <- data.frame(Notlar = c(80, 85, 88, 92, 78, 95, 89, 75, 82, 93),
ÇalışmaSaatleri = c(10, 12, 15, 16, 8, 18, 14, 9, 11, 17))korelasyon <- cor(veri$Notlar, veri$ÇalışmaSaatleri, method = "pearson")
cat("Pearson Korelasyonu:", korelasyon, "\n")## Pearson Korelasyonu: 0.9769022Kovaryans 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
\[ {cov} (X,Y) = \frac {\Sigma (X_i-\bar{X})(Y_i-\bar{Y})}{n-1} \]
Örnek:
notes <- c(80, 92, 78, 88, 95)
heures_etude <- c(10, 8, 12, 9, 7)
moyenne_notes <- mean(notes)
moyenne_heures_etude <- mean(heures_etude)
covariance <- cov(notes, heures_etude)
cat("Moyenne des notes :", moyenne_notes, "\n")## Moyenne des notes : 86.6## Moyenne des heures d'étude : 9.2## Covariance entre les notes et les heures d'étude : -13.65Train ve test nedir?
“Train” ve “test” terimleri genellikle makine öğrenimi ve istatistiksel modelleme bağlamında kullanılır.
Eğitim (Train) verisi: Bir modelin eğitildiği veri setidir. Makine öğrenimi modeli, eğitim verisi üzerinde öğrenir ve genellikle bu veri seti daha büyüktür. Model, eğitim verisindeki desenleri tanır, ilişkileri öğrenir ve bu desenleri kullanarak gelecekteki tahminler yapmak için optimize edilir.
Test verisi: Bir modelin performansını değerlendirmek için kullanılan bağımsız bir veri setidir. Eğitim sırasında kullanılmayan, modelin daha önce görmediği verilerden oluşur. Model, test verisindeki performansını ölçmek için kullanılır. Test verisi, modelin gerçek dünya verileri üzerinde ne kadar iyi çalıştığını anlamak için kullanılır ve modelin genelleme yeteneğini değerlendirmeye yardımcı olur.
Bu iki veri seti, bir modelin eğitimi, ayarlanması ve sonuçlarının değerlendirilmesinde kritik öneme sahiptir. Eğitim verisi modelin eğitimi için kullanılırken, test verisi modelin ne kadar iyi genelleme yapabildiğini değerlendirmek için kullanılır. Bu, modelin gerçek dünya verileri üzerindeki performansını daha iyi anlamamıza yardımcı olur.
## # A tibble: 4,277 × 13
## PassengerId HomePlanet CryoSleep Cabin Destination Age VIP RoomService
## <chr> <chr> <lgl> <chr> <chr> <dbl> <lgl> <dbl>
## 1 0013_01 Earth TRUE G/3/S TRAPPIST-1e 27 FALSE 0
## 2 0018_01 Earth FALSE F/4/S TRAPPIST-1e 19 FALSE 0
## 3 0019_01 Europa TRUE C/0/S 55 Cancri e 31 FALSE 0
## 4 0021_01 Europa FALSE C/1/S TRAPPIST-1e 38 FALSE 0
## 5 0023_01 Earth FALSE F/5/S TRAPPIST-1e 20 FALSE 10
## 6 0027_01 Earth FALSE F/7/P TRAPPIST-1e 31 FALSE 0
## 7 0029_01 Europa TRUE B/2/P 55 Cancri e 21 FALSE 0
## 8 0032_01 Europa TRUE D/0/S TRAPPIST-1e 20 FALSE 0
## 9 0032_02 Europa TRUE D/0/S 55 Cancri e 23 FALSE 0
## 10 0033_01 Earth FALSE F/7/S 55 Cancri e 24 FALSE 0
## # ℹ 4,267 more rows
## # ℹ 5 more variables: FoodCourt <dbl>, ShoppingMall <dbl>, Spa <dbl>,
## # VRDeck <dbl>, Name <chr>## # A tibble: 8,693 × 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
## 7 0006_01 Earth FALSE F/2/S TRAPPIST-1e 26 FALSE 42
## 8 0006_02 Earth TRUE G/0/S TRAPPIST-1e 28 FALSE 0
## 9 0007_01 Earth FALSE F/3/S TRAPPIST-1e 35 FALSE 0
## 10 0008_01 Europa TRUE B/1/P 55 Cancri e 14 FALSE 0
## # ℹ 8,683 more rows
## # 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, yolcunun birlikte seyahat ettiği grubu belirten ve grup içindeki numarası olan gggg_ppformu alır . Bir gruptaki insanlar çoğunlukla aile üyeleridir, ancak her zaman değil.ggggpp
HomePlanet- Yolcunun ayrıldığı gezegen, genellikle daimi ikamet ettikleri gezegen.
CryoSleep- Yolcunun yolculuk süresince askıya alınmış animasyona alınmayı seçip seçmediğini belirtir. Dondurucu uykudaki yolcular kabinlerine hapsedilir.
Cabin - Yolcunun kaldığı kabin numarası. Biçimi güverte/numara/taraf şeklindedir, taraf P (Port) için ya da S (Starboard) için olabilir..
Destination- Yolcunun ineceği gezegen.
Age- Yolcunun yaşı.
VIP- Yolcunun yolculuk sırasında özel VIP hizmeti için ödeme yapıp yapmadığı.
RoomService, FoodCourt, ShoppingMall, Spa, VRDeck- Yolcunun Uzay Gemisi 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. TransportedGöreviniz bu setteki yolcular için değerini tahmin etmektir .
sample_submission.csv - Doğru formatta bir gönderim dosyası.
PassengerId- Test setindeki her yolcunun kimliği.
Transported- Hedef. Her yolcu için veya’dan birini tahmin Trueedin False.
Train Cabin üç farklı grup çıkarmak
## PassengerId HomePlanet CryoSleep Cabin
## Length:8693 Length:8693 Mode :logical Length:8693
## Class :character Class :character FALSE:5439 Class :character
## Mode :character Mode :character TRUE :3037 Mode :character
## NA's :217
##
##
##
## sutun1 sutun2 sutun3 Destination
## Length:8693 Length:8693 Length:8693 Length:8693
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Age VIP RoomService FoodCourt
## Min. : 0.00 Mode :logical Min. : 0.0 Min. : 0.0
## 1st Qu.:19.00 FALSE:8291 1st Qu.: 0.0 1st Qu.: 0.0
## Median :27.00 TRUE :199 Median : 0.0 Median : 0.0
## Mean :28.83 NA's :203 Mean : 224.7 Mean : 458.1
## 3rd Qu.:38.00 3rd Qu.: 47.0 3rd Qu.: 76.0
## Max. :79.00 Max. :14327.0 Max. :29813.0
## NA's :179 NA's :181 NA's :183
## ShoppingMall Spa VRDeck Name
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Length:8693
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 Class :character
## Median : 0.0 Median : 0.0 Median : 0.0 Mode :character
## Mean : 173.7 Mean : 311.1 Mean : 304.9
## 3rd Qu.: 27.0 3rd Qu.: 59.0 3rd Qu.: 46.0
## Max. :23492.0 Max. :22408.0 Max. :24133.0
## NA's :208 NA's :183 NA's :188
## Transported
## Mode :logical
## FALSE:4315
## TRUE :4378
##
##
##
## Group_id ve tekrarlanan_gruplar
train <- separate(train, PassengerId, into = c("group_id", "sequence_number"), sep = "_", remove = FALSE)train <- train %>%
mutate(beraber_yolculuk_yapanlar = ifelse(group_id %in% tekrarlanan_gruplar, TRUE, FALSE))## PassengerId group_id sequence_number HomePlanet
## Length:8693 Length:8693 Length:8693 Length:8693
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## CryoSleep Cabin sutun1 sutun2
## Mode :logical Length:8693 Length:8693 Length:8693
## FALSE:5439 Class :character Class :character Class :character
## TRUE :3037 Mode :character Mode :character Mode :character
## NA's :217
##
##
##
## sutun3 Destination Age VIP
## Length:8693 Length:8693 Min. : 0.00 Mode :logical
## Class :character Class :character 1st Qu.:19.00 FALSE:8291
## Mode :character Mode :character Median :27.00 TRUE :199
## Mean :28.83 NA's :203
## 3rd Qu.:38.00
## Max. :79.00
## NA's :179
## RoomService FoodCourt ShoppingMall Spa
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 224.7 Mean : 458.1 Mean : 173.7 Mean : 311.1
## 3rd Qu.: 47.0 3rd Qu.: 76.0 3rd Qu.: 27.0 3rd Qu.: 59.0
## Max. :14327.0 Max. :29813.0 Max. :23492.0 Max. :22408.0
## NA's :181 NA's :183 NA's :208 NA's :183
## VRDeck Name Transported beraber_yolculuk_yapanlar
## Min. : 0.0 Length:8693 Mode :logical Mode :logical
## 1st Qu.: 0.0 Class :character FALSE:4315 FALSE:4805
## Median : 0.0 Mode :character TRUE :4378 TRUE :3888
## Mean : 304.9
## 3rd Qu.: 46.0
## Max. :24133.0
## NA's :188Train’de Boşlukları aramak
## # A tibble: 20 × 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 group_id chr 0 0 6217 NA NA NA
## 3 sequence_number chr 0 0 8 NA NA NA
## 4 HomePlanet chr 201 2.3 4 NA NA NA
## 5 CryoSleep lgl 217 2.5 3 0 0.36 1
## 6 Cabin chr 199 2.3 6561 NA NA NA
## 7 sutun1 chr 199 2.3 9 NA NA NA
## 8 sutun2 chr 199 2.3 1818 NA NA NA
## 9 sutun3 chr 199 2.3 3 NA NA NA
## 10 Destination chr 182 2.1 4 NA NA NA
## 11 Age dbl 179 2.1 81 0 28.8 79
## 12 VIP lgl 203 2.3 3 0 0.02 1
## 13 RoomService dbl 181 2.1 1274 0 225. 14327
## 14 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 15 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 16 Spa dbl 183 2.1 1328 0 311. 22408
## 17 VRDeck dbl 188 2.2 1307 0 305. 24133
## 18 Name chr 200 2.3 8474 NA NA NA
## 19 Transported lgl 0 0 2 0 0.5 1
## 20 beraber_yolculuk_yapanlar lgl 0 0 2 0 0.45 1
##
## 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
## group_id 0.00000000
## sequence_number 0.00000000
## Transported 0.00000000
## beraber_yolculuk_yapanlar 0.00000000
## PassengerId group_id sequence_number Transported beraber_yolculuk_yapanlar
## 6606 1 1 1 1 1
## 167 1 1 1 1 1
## 164 1 1 1 1 1
## 6 1 1 1 1 1
## 165 1 1 1 1 1
## 5 1 1 1 1 1
## 3 1 1 1 1 1
## 1 1 1 1 1 1
## 163 1 1 1 1 1
## 2 1 1 1 1 1
## 5 1 1 1 1 1
## 2 1 1 1 1 1
## 158 1 1 1 1 1
## 9 1 1 1 1 1
## 2 1 1 1 1 1
## 1 1 1 1 1 1
## 5 1 1 1 1 1
## 2 1 1 1 1 1
## 158 1 1 1 1 1
## 6 1 1 1 1 1
## 2 1 1 1 1 1
## 5 1 1 1 1 1
## 6 1 1 1 1 1
## 1 1 1 1 1 1
## 151 1 1 1 1 1
## 6 1 1 1 1 1
## 6 1 1 1 1 1
## 1 1 1 1 1 1
## 3 1 1 1 1 1
## 4 1 1 1 1 1
## 153 1 1 1 1 1
## 2 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 2 1 1 1 1 1
## 2 1 1 1 1 1
## 5 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 3 1 1 1 1 1
## 142 1 1 1 1 1
## 3 1 1 1 1 1
## 2 1 1 1 1 1
## 4 1 1 1 1 1
## 1 1 1 1 1 1
## 5 1 1 1 1 1
## 4 1 1 1 1 1
## 6 1 1 1 1 1
## 4 1 1 1 1 1
## 1 1 1 1 1 1
## 146 1 1 1 1 1
## 2 1 1 1 1 1
## 5 1 1 1 1 1
## 3 1 1 1 1 1
## 3 1 1 1 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
## 1 1 1 1 1 1
## 2 1 1 1 1 1
## 2 1 1 1 1 1
## 1 1 1 1 1 1
## 4 1 1 1 1 1
## 1 1 1 1 1 1
## 149 1 1 1 1 1
## 2 1 1 1 1 1
## 4 1 1 1 1 1
## 4 1 1 1 1 1
## 6 1 1 1 1 1
## 1 1 1 1 1 1
## 4 1 1 1 1 1
## 2 1 1 1 1 1
## 3 1 1 1 1 1
## 2 1 1 1 1 1
## 3 1 1 1 1 1
## 151 1 1 1 1 1
## 1 1 1 1 1 1
## 4 1 1 1 1 1
## 5 1 1 1 1 1
## 1 1 1 1 1 1
## 2 1 1 1 1 1
## 2 1 1 1 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
## 1 1 1 1 1 1
## 3 1 1 1 1 1
## 2 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 0 0 0 0 0
## Age RoomService Destination FoodCourt Spa VRDeck Cabin sutun1 sutun2
## 6606 1 1 1 1 1 1 1 1 1
## 167 1 1 1 1 1 1 1 1 1
## 164 1 1 1 1 1 1 1 1 1
## 6 1 1 1 1 1 1 1 1 1
## 165 1 1 1 1 1 1 1 1 1
## 5 1 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 1 1
## 163 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 1
## 5 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 1
## 158 1 1 1 1 1 1 1 1 1
## 9 1 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 1 1
## 5 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 1
## 158 1 1 1 1 1 1 0 0 0
## 6 1 1 1 1 1 1 0 0 0
## 2 1 1 1 1 1 1 0 0 0
## 5 1 1 1 1 1 1 0 0 0
## 6 1 1 1 1 1 1 0 0 0
## 1 1 1 1 1 1 1 0 0 0
## 151 1 1 1 1 1 0 1 1 1
## 6 1 1 1 1 1 0 1 1 1
## 6 1 1 1 1 1 0 1 1 1
## 1 1 1 1 1 1 0 1 1 1
## 3 1 1 1 1 1 0 1 1 1
## 4 1 1 1 1 1 0 0 0 0
## 153 1 1 1 1 0 1 1 1 1
## 2 1 1 1 1 0 1 1 1 1
## 1 1 1 1 1 0 1 1 1 1
## 1 1 1 1 1 0 1 1 1 1
## 2 1 1 1 1 0 1 1 1 1
## 2 1 1 1 1 0 1 1 1 1
## 5 1 1 1 1 0 1 1 1 1
## 1 1 1 1 1 0 1 1 1 1
## 1 1 1 1 1 0 1 0 0 0
## 3 1 1 1 1 0 0 1 1 1
## 142 1 1 1 0 1 1 1 1 1
## 3 1 1 1 0 1 1 1 1 1
## 2 1 1 1 0 1 1 1 1 1
## 4 1 1 1 0 1 1 1 1 1
## 1 1 1 1 0 1 1 1 1 1
## 5 1 1 1 0 1 1 1 1 1
## 4 1 1 1 0 1 1 0 0 0
## 6 1 1 1 0 1 0 1 1 1
## 4 1 1 1 0 0 1 1 1 1
## 1 1 1 1 0 0 1 1 1 1
## 146 1 1 0 1 1 1 1 1 1
## 2 1 1 0 1 1 1 1 1 1
## 5 1 1 0 1 1 1 1 1 1
## 3 1 1 0 1 1 1 1 1 1
## 3 1 1 0 1 1 1 1 1 1
## 1 1 1 0 1 1 1 1 1 1
## 3 1 1 0 1 1 1 1 1 1
## 1 1 1 0 1 1 1 0 0 0
## 1 1 1 0 1 1 1 0 0 0
## 1 1 1 0 1 1 1 0 0 0
## 2 1 1 0 1 1 0 1 1 1
## 2 1 1 0 1 0 1 1 1 1
## 1 1 1 0 1 0 1 1 1 1
## 4 1 1 0 0 1 1 1 1 1
## 1 1 1 0 0 1 1 0 0 0
## 149 1 0 1 1 1 1 1 1 1
## 2 1 0 1 1 1 1 1 1 1
## 4 1 0 1 1 1 1 1 1 1
## 4 1 0 1 1 1 1 1 1 1
## 6 1 0 1 1 1 1 1 1 1
## 1 1 0 1 1 1 1 1 1 1
## 4 1 0 1 1 1 1 0 0 0
## 2 1 0 1 1 1 0 1 1 1
## 3 1 0 1 1 0 1 1 1 1
## 2 1 0 1 0 1 1 1 1 1
## 3 1 0 0 1 1 1 1 1 1
## 151 0 1 1 1 1 1 1 1 1
## 1 0 1 1 1 1 1 1 1 1
## 4 0 1 1 1 1 1 1 1 1
## 5 0 1 1 1 1 1 1 1 1
## 1 0 1 1 1 1 1 1 1 1
## 2 0 1 1 1 1 1 1 1 1
## 2 0 1 1 1 1 1 0 0 0
## 1 0 1 1 1 1 1 0 0 0
## 2 0 1 1 1 1 0 1 1 1
## 1 0 1 1 1 1 0 1 1 1
## 1 0 1 1 1 1 0 1 1 1
## 1 0 1 1 1 0 1 0 0 0
## 3 0 1 1 0 1 1 1 1 1
## 2 0 1 0 1 1 1 1 1 1
## 1 0 1 0 0 1 1 1 1 1
## 1 0 0 1 1 1 1 1 1 1
## 179 181 182 183 183 188 199 199 199
## sutun3 Name HomePlanet VIP ShoppingMall CryoSleep
## 6606 1 1 1 1 1 1 0
## 167 1 1 1 1 1 0 1
## 164 1 1 1 1 0 1 1
## 6 1 1 1 1 0 0 2
## 165 1 1 1 0 1 1 1
## 5 1 1 1 0 1 0 2
## 3 1 1 1 0 0 1 2
## 1 1 1 1 0 0 0 3
## 163 1 1 0 1 1 1 1
## 2 1 1 0 1 1 0 2
## 5 1 1 0 1 0 1 2
## 2 1 1 0 0 1 1 2
## 158 1 0 1 1 1 1 1
## 9 1 0 1 1 1 0 2
## 2 1 0 1 1 0 1 2
## 1 1 0 1 0 1 1 2
## 5 1 0 0 1 1 1 2
## 2 1 0 0 1 0 1 3
## 158 0 1 1 1 1 1 4
## 6 0 1 1 1 1 0 5
## 2 0 1 1 1 0 1 5
## 5 0 1 1 0 1 1 5
## 6 0 1 0 1 1 1 5
## 1 0 0 1 1 1 1 5
## 151 1 1 1 1 1 1 1
## 6 1 1 1 1 1 0 2
## 6 1 1 1 1 0 1 2
## 1 1 1 1 0 1 0 3
## 3 1 0 1 1 1 1 2
## 4 0 1 1 1 1 1 5
## 153 1 1 1 1 1 1 1
## 2 1 1 1 1 1 0 2
## 1 1 1 1 1 0 1 2
## 1 1 1 1 1 0 0 3
## 2 1 1 1 0 1 1 2
## 2 1 1 0 1 1 1 2
## 5 1 0 1 1 1 1 2
## 1 1 0 1 1 1 0 3
## 1 0 1 1 1 1 1 5
## 3 1 1 1 1 1 1 2
## 142 1 1 1 1 1 1 1
## 3 1 1 1 1 1 0 2
## 2 1 1 1 1 0 1 2
## 4 1 1 1 0 1 1 2
## 1 1 1 0 1 1 1 2
## 5 1 0 1 1 1 1 2
## 4 0 1 1 1 1 1 5
## 6 1 1 1 1 1 1 2
## 4 1 1 1 1 1 1 2
## 1 1 1 0 1 1 1 3
## 146 1 1 1 1 1 1 1
## 2 1 1 1 1 1 0 2
## 5 1 1 1 1 0 1 2
## 3 1 1 1 0 1 1 2
## 3 1 1 0 1 1 1 2
## 1 1 1 0 0 1 1 3
## 3 1 0 1 1 1 1 2
## 1 0 1 1 1 1 1 5
## 1 0 1 1 1 1 0 6
## 1 0 0 1 1 1 1 6
## 2 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 2
## 1 1 1 1 1 1 0 3
## 4 1 1 1 1 1 1 2
## 1 0 1 1 1 1 1 6
## 149 1 1 1 1 1 1 1
## 2 1 1 1 1 1 0 2
## 4 1 1 1 1 0 1 2
## 4 1 1 1 0 1 1 2
## 6 1 1 0 1 1 1 2
## 1 1 0 1 1 1 1 2
## 4 0 1 1 1 1 1 5
## 2 1 1 1 1 1 1 2
## 3 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 2
## 3 1 1 1 1 1 1 2
## 151 1 1 1 1 1 1 1
## 1 1 1 1 1 1 0 2
## 4 1 1 1 1 0 1 2
## 5 1 1 1 0 1 1 2
## 1 1 1 0 1 1 1 2
## 2 1 0 1 1 1 1 2
## 2 0 1 1 1 1 1 5
## 1 0 1 1 0 1 1 6
## 2 1 1 1 1 1 1 2
## 1 1 1 0 1 1 1 3
## 1 1 0 1 1 1 1 3
## 1 0 1 1 1 1 1 6
## 3 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 2
## 1 1 1 1 1 1 1 3
## 1 1 1 1 1 1 1 2
## 199 200 201 203 208 217 2921
## PassengerId group_id sequence_number Transported beraber_yolculuk_yapanlar
## 503 1 1 1 1 1
## 15 1 1 1 1 1
## 15 1 1 1 1 1
## 2 1 1 1 1 1
## 13 1 1 1 1 1
## 3 1 1 1 1 1
## 14 1 1 1 1 1
## 2 1 1 1 1 1
## 14 1 1 1 1 1
## 1 1 1 1 1 1
## 10 1 1 1 1 1
## 1 1 1 1 1 1
## 2 1 1 1 1 1
## 1 1 1 1 1 1
## 12 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 12 1 1 1 1 1
## 8 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 10 1 1 1 1 1
## 6 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 7 1 1 1 1 1
## 1 1 1 1 1 1
## 1 1 1 1 1 1
## 0 0 0 0 0
## VIP FoodCourt Spa Destination Name CryoSleep VRDeck Cabin sutun1 sutun2
## 503 1 1 1 1 1 1 1 1 1 1
## 15 1 1 1 1 1 1 1 1 1 1
## 15 1 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 1 1
## 13 1 1 1 1 1 1 1 1 1 1
## 3 1 1 1 1 1 1 1 1 1 1
## 14 1 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1 1 1
## 14 1 1 1 1 1 1 1 0 0 0
## 1 1 1 1 1 1 1 1 0 0 0
## 10 1 1 1 1 1 1 0 1 1 1
## 1 1 1 1 1 1 1 0 1 1 1
## 2 1 1 1 1 1 1 0 1 1 1
## 1 1 1 1 1 1 1 0 0 0 0
## 12 1 1 1 1 1 0 1 1 1 1
## 1 1 1 1 1 1 0 1 0 0 0
## 1 1 1 1 1 1 0 0 1 1 1
## 12 1 1 1 1 0 1 1 1 1 1
## 8 1 1 1 0 1 1 1 1 1 1
## 1 1 1 1 0 1 1 1 1 1 1
## 1 1 1 1 0 1 1 0 1 1 1
## 10 1 1 0 1 1 1 1 1 1 1
## 6 1 0 1 1 1 1 1 1 1 1
## 1 1 0 1 1 1 1 1 0 0 0
## 1 1 0 1 1 1 1 0 1 1 1
## 1 1 0 1 0 1 1 1 1 1 1
## 7 0 1 1 1 1 1 1 1 1 1
## 1 0 1 1 1 1 1 1 1 1 1
## 1 0 1 1 1 1 1 1 1 1 1
## 9 9 10 11 12 14 17 18 18 18
## sutun3 RoomService Age HomePlanet ShoppingMall
## 503 1 1 1 1 1 0
## 15 1 1 1 1 0 1
## 15 1 1 1 0 1 1
## 2 1 1 1 0 0 2
## 13 1 1 0 1 1 1
## 3 1 1 0 1 0 2
## 14 1 0 1 1 1 1
## 2 1 0 1 0 1 2
## 14 0 1 1 1 1 4
## 1 0 0 1 1 1 5
## 10 1 1 1 1 1 1
## 1 1 1 1 1 0 2
## 2 1 1 0 1 1 2
## 1 0 1 1 1 1 5
## 12 1 1 1 1 1 1
## 1 0 1 1 1 1 5
## 1 1 1 1 1 1 2
## 12 1 1 1 1 1 1
## 8 1 1 1 1 1 1
## 1 1 1 1 0 1 2
## 1 1 1 1 1 1 2
## 10 1 1 1 1 1 1
## 6 1 1 1 1 1 1
## 1 0 1 1 1 1 5
## 1 1 1 1 1 1 2
## 1 1 1 1 1 1 2
## 7 1 1 1 1 1 1
## 1 1 1 0 1 1 2
## 1 1 0 1 1 1 2
## 18 18 19 20 21 232## PassengerId group_id sequence_number HomePlanet CryoSleep
## 0001_01: 1 0984 : 8 01 :6217 Earth :4602 Mode :logical
## 0002_01: 1 4005 : 8 02 :1412 Europa:2131 FALSE:5439
## 0003_01: 1 4256 : 8 03 : 571 Mars :1759 TRUE :3037
## 0003_02: 1 4498 : 8 04 : 231 NA's : 201 NA's :217
## 0004_01: 1 5133 : 8 05 : 128
## 0005_01: 1 5756 : 8 06 : 75
## (Other):8687 (Other):8645 (Other): 59
## Cabin sutun1 sutun2 sutun3 Destination
## G/734/S: 8 F :2794 82 : 28 P :4206 55 Cancri e :1800
## B/11/S : 7 G :2559 19 : 22 S :4288 PSO J318.5-22: 796
## B/201/P: 7 E : 876 86 : 22 NA's: 199 TRAPPIST-1e :5915
## B/82/S : 7 B : 779 176 : 21 NA's : 182
## C/137/S: 7 C : 747 56 : 21
## (Other):8458 (Other): 739 (Other):8380
## NA's : 199 NA's : 199 NA's : 199
## Age VIP RoomService FoodCourt
## Min. : 0.00 Mode :logical Min. : 0.0 Min. : 0.0
## 1st Qu.:19.00 FALSE:8291 1st Qu.: 0.0 1st Qu.: 0.0
## Median :27.00 TRUE :199 Median : 0.0 Median : 0.0
## Mean :28.83 NA's :203 Mean : 224.7 Mean : 458.1
## 3rd Qu.:38.00 3rd Qu.: 47.0 3rd Qu.: 76.0
## Max. :79.00 Max. :14327.0 Max. :29813.0
## NA's :179 NA's :181 NA's :183
## ShoppingMall Spa VRDeck
## Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 173.7 Mean : 311.1 Mean : 304.9
## 3rd Qu.: 27.0 3rd Qu.: 59.0 3rd Qu.: 46.0
## Max. :23492.0 Max. :22408.0 Max. :24133.0
## NA's :208 NA's :183 NA's :188
## Name Transported beraber_yolculuk_yapanlar
## Alraium Disivering: 2 Mode :logical Mode :logical
## Ankalik Nateansive: 2 FALSE:4315 FALSE:4805
## Anton Woody : 2 TRUE :4378 TRUE :3888
## Apix Wala : 2
## Asch Stradick : 2
## (Other) :8483
## NA's : 200Train Boşlukların doldurulması
## PassengerId group_id sequence_number HomePlanet CryoSleep
## 0001_01: 1 4256 : 8 01 :4734 Earth :3566 Mode :logical
## 0002_01: 1 0221 : 7 02 :1062 Europa:1673 FALSE:4274
## 0003_01: 1 0378 : 7 03 : 432 Mars :1367 TRUE :2332
## 0003_02: 1 3850 : 7 04 : 178
## 0004_01: 1 4176 : 7 05 : 99
## 0005_01: 1 4498 : 7 06 : 60
## (Other):6600 (Other):6563 (Other): 41
## Cabin sutun1 sutun2 sutun3 Destination
## B/11/S : 7 F :2152 82 : 22 P:3261 55 Cancri e :1407
## C/137/S : 7 G :1973 56 : 19 S:3345 PSO J318.5-22: 623
## E/13/S : 7 E : 683 97 : 19 TRAPPIST-1e :4576
## G/1476/S: 7 B : 628 176 : 18
## G/734/S : 7 C : 587 186 : 17
## C/21/P : 6 D : 374 269 : 17
## (Other) :6565 (Other): 209 (Other):6494
## Age VIP RoomService FoodCourt
## Min. : 0.00 Mode :logical Min. : 0 Min. : 0.00
## 1st Qu.:19.00 FALSE:6444 1st Qu.: 0 1st Qu.: 0.00
## Median :27.00 TRUE :162 Median : 0 Median : 0.00
## Mean :28.89 Mean : 223 Mean : 478.96
## 3rd Qu.:38.00 3rd Qu.: 49 3rd Qu.: 82.75
## Max. :79.00 Max. :9920 Max. :29813.00
##
## ShoppingMall Spa VRDeck
## Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 178.4 Mean : 313.2 Mean : 303.8
## 3rd Qu.: 30.0 3rd Qu.: 65.0 3rd Qu.: 52.0
## Max. :12253.0 Max. :22408.0 Max. :20336.0
##
## Name Transported beraber_yolculuk_yapanlar
## Alraium Disivering: 2 Mode :logical Mode :logical
## Ankalik Nateansive: 2 FALSE:3279 FALSE:3663
## Anton Woody : 2 TRUE :3327 TRUE :2943
## Apix Wala : 2
## Asch Stradick : 2
## Carry Contrevins : 2
## (Other) :6594
##
## Variables sorted by number of missings:
## Variable Count
## PassengerId 0
## group_id 0
## sequence_number 0
## HomePlanet 0
## CryoSleep 0
## Cabin 0
## sutun1 0
## sutun2 0
## sutun3 0
## Destination 0
## Age 0
## VIP 0
## RoomService 0
## FoodCourt 0
## ShoppingMall 0
## Spa 0
## VRDeck 0
## Name 0
## Transported 0
## beraber_yolculuk_yapanlar 0Test Cabin üç farklı grup çıkarmak
## PassengerId HomePlanet CryoSleep Cabin
## Length:4277 Length:4277 Mode :logical Length:4277
## Class :character Class :character FALSE:2640 Class :character
## Mode :character Mode :character TRUE :1544 Mode :character
## NA's :93
##
##
##
## sutun1 sutun2 sutun3 Destination
## Length:4277 Length:4277 Length:4277 Length:4277
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Age VIP RoomService FoodCourt
## Min. : 0.00 Mode :logical Min. : 0.0 Min. : 0.0
## 1st Qu.:19.00 FALSE:4110 1st Qu.: 0.0 1st Qu.: 0.0
## Median :26.00 TRUE :74 Median : 0.0 Median : 0.0
## Mean :28.66 NA's :93 Mean : 219.3 Mean : 439.5
## 3rd Qu.:37.00 3rd Qu.: 53.0 3rd Qu.: 78.0
## Max. :79.00 Max. :11567.0 Max. :25273.0
## NA's :91 NA's :82 NA's :106
## ShoppingMall Spa VRDeck Name
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Length:4277
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 Class :character
## Median : 0.0 Median : 0.0 Median : 0.0 Mode :character
## Mean : 177.3 Mean : 303.1 Mean : 310.7
## 3rd Qu.: 33.0 3rd Qu.: 50.0 3rd Qu.: 36.0
## Max. :8292.0 Max. :19844.0 Max. :22272.0
## NA's :98 NA's :101 NA's :80Test’de Boşlukları aramak
## # A tibble: 16 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet chr 87 2 4 NA NA NA
## 3 CryoSleep lgl 93 2.2 3 0 0.37 1
## 4 Cabin chr 100 2.3 3266 NA NA NA
## 5 sutun1 chr 100 2.3 9 NA NA NA
## 6 sutun2 chr 100 2.3 1506 NA NA NA
## 7 sutun3 chr 100 2.3 3 NA NA NA
## 8 Destination chr 92 2.2 4 NA NA NA
## 9 Age dbl 91 2.1 80 0 28.7 79
## 10 VIP lgl 93 2.2 3 0 0.02 1
## 11 RoomService dbl 82 1.9 843 0 219. 11567
## 12 FoodCourt dbl 106 2.5 903 0 439. 25273
## 13 ShoppingMall dbl 98 2.3 716 0 177. 8292
## 14 Spa dbl 101 2.4 834 0 303. 19844
## 15 VRDeck dbl 80 1.9 797 0 311. 22272
## 16 Name chr 94 2.2 4177 NA NA NA
##
## Variables sorted by number of missings:
## Variable Count
## FoodCourt 0.02478373
## Spa 0.02361468
## Cabin 0.02338087
## sutun1 0.02338087
## sutun2 0.02338087
## sutun3 0.02338087
## ShoppingMall 0.02291326
## Name 0.02197802
## CryoSleep 0.02174421
## VIP 0.02174421
## Destination 0.02151040
## Age 0.02127660
## HomePlanet 0.02034136
## RoomService 0.01917232
## VRDeck 0.01870470
## PassengerId 0.00000000
## PassengerId VRDeck RoomService HomePlanet Age Destination CryoSleep VIP
## 3281 1 1 1 1 1 1 1 1
## 92 1 1 1 1 1 1 1 1
## 81 1 1 1 1 1 1 1 1
## 82 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
## 75 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 1
## 3 1 1 1 1 1 1 1 1
## 74 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
## 3 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 1
## 71 1 1 1 1 1 1 1 0
## 1 1 1 1 1 1 1 1 0
## 2 1 1 1 1 1 1 1 0
## 5 1 1 1 1 1 1 1 0
## 1 1 1 1 1 1 1 1 0
## 2 1 1 1 1 1 1 1 0
## 73 1 1 1 1 1 1 0 1
## 2 1 1 1 1 1 1 0 1
## 3 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
## 2 1 1 1 1 1 1 0 0
## 68 1 1 1 1 1 0 1 1
## 2 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 0
## 3 1 1 1 1 1 0 0 1
## 68 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 1
## 1 1 1 1 1 0 1 1 1
## 3 1 1 1 1 0 1 1 0
## 2 1 1 1 1 0 1 0 1
## 5 1 1 1 1 0 0 1 1
## 64 1 1 1 0 1 1 1 1
## 2 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
## 2 1 1 1 0 1 1 1 1
## 2 1 1 1 0 1 1 1 1
## 2 1 1 1 0 1 1 0 1
## 1 1 1 1 0 1 1 0 1
## 2 1 1 1 0 1 0 1 1
## 2 1 1 1 0 0 1 1 1
## 1 1 1 1 0 0 1 1 1
## 71 1 1 0 1 1 1 1 1
## 3 1 1 0 1 1 1 1 1
## 3 1 1 0 1 1 1 1 1
## 3 1 1 0 1 1 1 1 0
## 1 1 1 0 1 1 1 0 1
## 1 1 1 0 1 1 0 1 1
## 60 1 0 1 1 1 1 1 1
## 2 1 0 1 1 1 1 1 1
## 1 1 0 1 1 1 1 1 1
## 2 1 0 1 1 1 1 1 1
## 2 1 0 1 1 1 1 1 1
## 1 1 0 1 1 1 1 0 1
## 5 1 0 1 1 1 0 1 1
## 1 1 0 1 1 1 0 1 0
## 4 1 0 1 1 0 1 1 1
## 2 1 0 1 0 1 1 1 1
## 0 80 82 87 91 92 93 93
## Name ShoppingMall Cabin sutun1 sutun2 sutun3 Spa FoodCourt
## 3281 1 1 1 1 1 1 1 1 0
## 92 1 1 1 1 1 1 1 0 1
## 81 1 1 1 1 1 1 0 1 1
## 82 1 1 0 0 0 0 1 1 4
## 3 1 1 0 0 0 0 1 0 5
## 1 1 1 0 0 0 0 0 1 5
## 75 1 0 1 1 1 1 1 1 1
## 1 1 0 1 1 1 1 1 0 2
## 2 1 0 1 1 1 1 0 1 2
## 3 1 0 0 0 0 0 1 1 5
## 74 0 1 1 1 1 1 1 1 1
## 3 0 1 1 1 1 1 1 0 2
## 1 0 1 0 0 0 0 1 1 5
## 3 0 0 1 1 1 1 1 1 2
## 1 0 0 1 1 1 1 1 0 3
## 71 1 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 0 2
## 2 1 1 1 1 1 1 0 1 2
## 5 1 1 0 0 0 0 1 1 5
## 1 1 0 1 1 1 1 1 1 2
## 2 0 1 1 1 1 1 1 1 2
## 73 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 0 1 2
## 3 1 1 0 0 0 0 1 1 5
## 2 1 0 1 1 1 1 1 1 2
## 1 0 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 2
## 68 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 0 1 2
## 3 1 0 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 2
## 3 1 1 1 1 1 1 1 1 2
## 68 1 1 1 1 1 1 1 1 1
## 1 1 1 1 1 1 1 1 0 2
## 1 1 1 1 1 1 1 0 1 2
## 1 1 1 0 0 0 0 1 1 5
## 2 1 0 1 1 1 1 1 1 2
## 1 0 1 1 1 1 1 1 1 2
## 3 1 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 2
## 5 1 1 1 1 1 1 1 1 2
## 64 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 0 2
## 6 1 1 1 1 1 1 0 1 2
## 1 1 1 0 0 0 0 1 1 5
## 2 1 0 1 1 1 1 1 1 2
## 2 0 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 2
## 1 0 1 1 1 1 1 1 1 3
## 2 1 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 2
## 1 1 0 1 1 1 1 1 1 3
## 71 1 1 1 1 1 1 1 1 1
## 3 1 1 1 1 1 1 0 1 2
## 3 0 1 1 1 1 1 1 1 2
## 3 1 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 1 1 1 2
## 60 1 1 1 1 1 1 1 1 1
## 2 1 1 1 1 1 1 1 0 2
## 1 1 1 1 1 1 1 0 1 2
## 2 1 0 1 1 1 1 1 1 2
## 2 0 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 1 1 1 2
## 5 1 1 1 1 1 1 1 1 2
## 1 1 1 1 1 1 1 1 1 3
## 4 1 1 1 1 1 1 1 1 2
## 2 1 1 1 1 1 1 1 1 2
## 94 98 100 100 100 100 101 106 1417## PassengerId HomePlanet CryoSleep Cabin sutun1
## 0013_01: 1 Earth :2263 Mode :logical G/160/P: 8 F :1445
## 0018_01: 1 Europa:1002 FALSE:2640 B/31/P : 7 G :1222
## 0019_01: 1 Mars : 925 TRUE :1544 D/273/S: 7 E : 447
## 0021_01: 1 NA's : 87 NA's :93 E/228/S: 7 B : 362
## 0023_01: 1 G/748/S: 7 C : 355
## 0027_01: 1 (Other):4141 (Other): 346
## (Other):4271 NA's : 100 NA's : 100
## sutun2 sutun3 Destination Age
## 4 : 21 P :2084 55 Cancri e : 841 Min. : 0.00
## 31 : 18 S :2093 PSO J318.5-22: 388 1st Qu.:19.00
## 197 : 16 NA's: 100 TRAPPIST-1e :2956 Median :26.00
## 294 : 16 NA's : 92 Mean :28.66
## 228 : 14 3rd Qu.:37.00
## (Other):4092 Max. :79.00
## NA's : 100 NA's :91
## VIP RoomService FoodCourt ShoppingMall
## Mode :logical Min. : 0.0 Min. : 0.0 Min. : 0.0
## FALSE:4110 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## TRUE :74 Median : 0.0 Median : 0.0 Median : 0.0
## NA's :93 Mean : 219.3 Mean : 439.5 Mean : 177.3
## 3rd Qu.: 53.0 3rd Qu.: 78.0 3rd Qu.: 33.0
## Max. :11567.0 Max. :25273.0 Max. :8292.0
## NA's :82 NA's :106 NA's :98
## Spa VRDeck Name
## Min. : 0.0 Min. : 0.0 Berta Barnolderg: 2
## 1st Qu.: 0.0 1st Qu.: 0.0 Chrey Colte : 2
## Median : 0.0 Median : 0.0 Cints Erle : 2
## Mean : 303.1 Mean : 310.7 Cocors Cola : 2
## 3rd Qu.: 50.0 3rd Qu.: 36.0 Con Pashe : 2
## Max. :19844.0 Max. :22272.0 (Other) :4173
## NA's :101 NA's :80 NA's : 94Test Boşlukların doldurulması
## PassengerId HomePlanet CryoSleep Cabin sutun1
## 0013_01: 1 Earth :1761 Mode :logical C/31/S : 6 F :1158
## 0018_01: 1 Europa: 792 FALSE:2065 D/273/S: 6 G : 938
## 0019_01: 1 Mars : 728 TRUE :1216 G/591/P: 6 E : 348
## 0021_01: 1 G/597/P: 6 B : 283
## 0023_01: 1 G/748/S: 6 C : 278
## 0027_01: 1 A/4/S : 5 D : 194
## (Other):3275 (Other):3246 (Other): 82
## sutun2 sutun3 Destination Age VIP
## 4 : 19 P:1637 55 Cancri e : 649 Min. : 0.00 Mode :logical
## 34 : 13 S:1644 PSO J318.5-22: 301 1st Qu.:19.00 FALSE:3223
## 184 : 12 TRAPPIST-1e :2331 Median :26.00 TRUE :58
## 31 : 12 Mean :28.58
## 41 : 12 3rd Qu.:37.00
## 7 : 12 Max. :79.00
## (Other):3201
## RoomService FoodCourt ShoppingMall Spa
## Min. : 0.0 Min. : 0.0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0 1st Qu.: 0.0
## Median : 0.0 Median : 0.0 Median : 0.0 Median : 0.0
## Mean : 220.1 Mean : 440.9 Mean : 175.3 Mean : 296.7
## 3rd Qu.: 53.0 3rd Qu.: 78.0 3rd Qu.: 27.0 3rd Qu.: 49.0
## Max. :11567.0 Max. :20809.0 Max. :8292.0 Max. :15733.0
##
## VRDeck Name
## Min. : 0.0 Berta Barnolderg: 2
## 1st Qu.: 0.0 Chrey Colte : 2
## Median : 0.0 Cints Erle : 2
## Mean : 300.4 Con Pashe : 2
## 3rd Qu.: 34.0 Aard Backo : 1
## Max. :19086.0 Aard Kraie : 1
## (Other) :3271
##
## Variables sorted by number of missings:
## Variable Count
## PassengerId 0
## HomePlanet 0
## CryoSleep 0
## Cabin 0
## sutun1 0
## sutun2 0
## sutun3 0
## Destination 0
## Age 0
## VIP 0
## RoomService 0
## FoodCourt 0
## ShoppingMall 0
## Spa 0
## VRDeck 0
## Name 0