泰坦尼克号生存预测

项目地址及数据来源Titanic - Machine Learning from Disaster | Kaggle

1.数据探索

进一步，查看每一列的数据类型及缺失值情况

数据类型：

1.PassengerId：用于记录乘客id，891个非空整数值

2.Survived：用于记录乘客最终的存活情况，死亡为0，存活为1，891个非空整数值

3.Pclass：用于记录船票等级，有891个非空整数值，分了1，2，3三个等级

4.Name：用于记录乘客姓名，有891个非空整数值

5.Sex：用于记录乘客性别，有891个非空整数值

6.Age：用于记录乘客年龄，有714个非空浮点数，有177个缺失值

7.SibSp：用于记录同行的兄弟姐妹/配偶数量，有891个非空整数值

8.Parch：用于记录同行的父母/孩子数量，有891个非空整数值

9.Ticket：用于记录船票号码，有891个非空字符串

10.Fare：用于记录船票费用，有891个非空浮点数

11.Cabin：用于记录船舱号码，仅有204个非空字符串，缺失值较多，直接排除该变量的影响。

12.Embarked：用于记录登船港口，有889个非空字符串，有2个缺失值

2.数据预处理

定义数据预处理函数，用于将字符串类型的数据转换为整数或浮点数（如果有必要的话），填补缺失值，并删除cabins列

 利用数据预处理函数对读取的数据集做预处理，并再次查看数据的缺失情况

可以看出，除了由于缺失值过多被我们抛弃的Cabin列以及无法转换的name列以外，其他的列已经成功填补了缺失值并转换为整数或者浮点数类型

可以看出，PassengerId与生还特征的相关性相当低，因此，在构建决策树模型的时候考虑舍去。

3.寻找最优参数

首先提取出训练集的特征数据与预测目标

构建决策树预测模型，创建决策树分类的实例

使用多条件网格搜索找到最佳参数

输出结果为

4.模型预测

根据网格搜索所得出的最优参数编写决策树分类器，并根据训练集进行训练

再利用训练好的模型，预测测试集中的数据，并保存至CSV文件，上传至Kaggle官网

最终结果