kaggle泰坦尼克实例学习笔记

一、内容介绍：

 

      这一实例要求如下，在失事的泰坦上面，有若干乘客，公司有这些乘客的基本信息，比如年龄，性别等。

        泰坦虽然沉了，但是仍然有乘客得以逃生，题目将所有乘客分为两类（活下来的以及失事的），给出了另外一项数据就是此人存活与否。

       实例要求我们，根据这次事件的乘客数据和存活数据进行分析预测，判断接下来给出的四百多名乘客能否存活。

       这里主要记录大致流程，仅作为个人学习笔记。

 

二、工具材料需求：

 使用以下工具：

       python及以下模块：

             pandas、numpy、matplotlib、scikit-learn

 其余数据材料取自kaggle

 

三、流程说明：

      1.读取历史数据：

            这一步使用pandas实现，如pandas.read_csv("...路径...")

      2.观察、分析历史数据：

            使用matploylib画图，对数据有一个感官上的认识，每次可以提取自己认为有关联的数据，进行绘图，多使用mean、sum等函数，从而对数据有多方面的认识。

      3.数据处理：

            对混乱的数据进行整理，比如，将文字信息数字化（人为定义），将散乱的数字信息（最大最小跨度比较大的数）归一化

      4.训练历史数据：

            数据处理完了以后，会显得整洁很多，此时就可以进行训练了，scikit-learn能够胜任训练工作。训练结束得到模型A。

      5.处理测试数据：

            待测试数据同样是混乱的，我们需要对其进行类似前面的处理，操作基本相同。

      6.开始预测：

            使用前面训练出的模型A对测试数据进行预测。任务完成。