幸存与否 ——泰坦尼克号沉船事件数据分析*

幸存与否
——泰坦尼克号沉船事件数据分析

铁达尼号沉船事件发生在1912年4月。铁达尼号是当时世界上最大的客运轮船，而此次航行为首次。铁达尼号从英国南安普敦出发，途经法国瑟堡-奥克特维尔以及爱尔兰昆士敦，计划中的目的地为美国纽约。由于航行途中瞭望员没有及时发现前方的冰峰，最后船撞上冰峰造成船难。本次数据分析基于真实的泰坦尼克号沉船事件数据，分析幸存与否的关键。

一、描述性分析

（1）数据变量

此次分析的数据变量共有11个，分别为：

在这些数据变量中姓名(name)和船票号(ticket)显然不能为最终幸存与否带来直接关联，而船舱号(cabin)缺失值多达1014个，所以这三个变量不作分析考虑。

数据的观测数有1309对，含有缺失数据的有274对，其中年龄(age)值缺失有263个，票价(fare)缺失有18个，登船地点(embarked)缺失有2个。含有票价(fare)与登船地点(embarked)缺失值的观测数据对与其他观测数据没有太多关联信息，所以选择删除。

由于年龄(age)对数据分类影响可能比较大，所以不能删除。选择使用KNN算法，近邻数取10，来估计缺失的数据。最后可用的观测数据有1289对。

（2）变量与变量间关系

响应变量为幸存与否(survived)，自变量为船舱等级(pclass)、性别(sex)、年龄(age)、同乘的兄弟或配偶数量(sibsp)、同乘的父母或子女数量(parch)、票价(fare)、登船地点(embarked)。其