【Kaggle从零开始】titanic简单生存预测

PS(写到一半发现把博客写成了在学校的报告的模样…)

相信看到这篇博客的读者们应该知道kaggle是什么，不然也不会看到我这篇博客。

titanic作为kaggle官方入门题目，其地位堪比a+b problem在各大算法竞赛(*cpc)中的地位。
废话不多说，我们直接开始。

首先，我们可以观看一下小姐姐的视频(官方教程)，就是下面这个。

或者，我们可以直接开始。

将data下载下来后，阅读数据说明。(就是下图这个)

然后，观察一下提交的格式。(也就是下图这个)

查看完这些信息后，我们就可以开始做题了。
做题过程分为三部分：

1. 读取数据，观察数据的格式。
2. 分析数据，对数据进行处理。
3. 选择合适的模型进行预测。

第一部分：读取数据，观察数据的格式

通过上图可以发现，数据中有不同类型的数据。

第二部分：分析数据，对数据进行处理

通过上图可以发现，训练集中有结果，也就是Survived列，(下文中称其为y值)，将y抽取出来作为结果集。
训练集中还有不是数值类型的数据，比如Name, Cabin, Ticket, Sex等等 ，需要对他们进行分析，并且处理，简单举个例子，对Sex这类数据，用数据标号就可以，对于Name这种数据，可以观察其称呼，将称呼抽取出，或者将名称长度做成新的属性。

第三部分：选择合适的模型进行预测

因为这个是入门题目，所以我们就用最简单的方法进行分类，直接用sklearn中的SVM对数据进行fit并预测。

最后提交数据即可。

发现直接随机的结果有43%的正确率，随便写的预测模型有59%的正确率。

以上就是kaggle入门的最简单的教程。