你聽過的有AI框架有scikit-learn(機器學習)、tensorflow(深度學習)、pytorch(深度學習)，
但是你有聽過QLattice嗎?

QLattice是一個新推出的框架，不同於深度學習的神經網路，
它的訓練過程是在每一個迭帶中，一次生成幾千個模型，
每個模型利用反向傳播查看損失函數，
剔除損失資訊過大，表現不好的模型，
只保留表現最好的10個模型(可以調整數目的參數)，
進入下一個迭帶。

官網的介紹:
https://docs.abzu.ai/docs/guides/getting_started/qlattice.html#the-fitting-process

但是也必須提一下QLattice的缺點，
就是如果要用來商業化的應用，
必須付出每個月250歐元。

但是只是用來解決日常生活的問題，
或是參與kaggle的比賽，可以使用免費版。

今天來看基礎的分類功能，這是官網的攻略:
https://docs.abzu.ai/docs/tutorials/python/titanic.html

是很常見到鐵達尼號生存問題，
利用乘客的特徵(幾歲、性別、坐的是頭等艙還是經濟艙等等)來預測該乘客是否會存活。

可以在kaggle或是官網攻略下載資料集:

這次我們使用kaggle notebook的環境來運行:

在notebook右上角add data上傳資料集:

確認上傳成功:

安裝及載入套件(QLattice演篹法的套件叫feyn，是費曼的英文):

查看資料結構:

將有遺失特徵的資料剔除:

將姓名、船票號碼、從哪一個艙門上船等等跟會不會存活不相關的資料剔除，
將有遺失年紀的資料補上年紀的平均值:

劃分訓練集、驗證集、測試集，預測的標籤是 是否存活:

將艙等的資料轉換成文字類別的特徵(QLattice的優點之一是，你不需要再將特徵轉成one hot encode):

創建模型，開始訓練:

我們可以查看表現最好的模型準確度的評估，以及模型的權重及運算(不只加法而以):

將模型用來預測是否會存活: