机器学习小白还在为没有实战发愁？手把手教你结构化处理数据进行建模预测！

结构化数据处理案例：泰坦尼克号幸存者预测

• 数据分析
• 建模预测

案例介绍：当年泰坦尼克号的沉没造成了很多人的死亡，救生艇不足是造成如此多人死亡的主要原因。尽管能否活下来要看运气，但是有些群体的存活概率比其他人更高。现在给出一些乘客的信息，包括他最后是否生还。根据这些信息，我们要对其他乘客是否生还进行预测。

数据集包含两个文件：train.csv和test.csv

#解压数据集
!unzip data/data31483/titanic.zip -d work/

Archive:  data/data31483/titanic.zip
  inflating: work/gender_submission.csv  
  inflating: work/test.csv           
  inflating: work/train.csv          

#导入需要用到的第三方库
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns

#加载数据集
trainSet = pd.read_csv('work/train.csv')
testSet = pd.read_csv('work/test.csv')

• 训练数据集共有891个数据，其中每个数据包含12个特征
• 测试数据集共有418个数据，其中每个数据包含11个特征，测试数据集没有Survived特征，这个特征我们要经行预测。

特征说明：

• PassengerID（ID）
• Survived(存活与否)
• Pclass（客舱等级）
• Name（姓名）
• Sex（性别）
• Age（年龄）
• Parch（直系亲属数目）
• SibSp（旁系亲属数目）
• Ticket（票编号）
• Fare（票价）
• Cabin（客舱编号）
• Embarked（上船的港口编号）

print("测试数据集大小：",testSet.shape)
print("训练数据集大小：",trainSet.shape)
trainSet.head()

测试数据集大小： (418, 11)
训练数据集大小： (891, 12)

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

数据分析

#绘制相关矩阵
ax = sns.heatmap(trainSet[["Survived","SibSp","Parch","Age","Fare"]].corr(),annot=True, cmap = "coolwarm")

由上图可知，sibsp 和 parch 的相关度挺高，在特征处理是可能用到

#数据总览
trainSet.hist(figsize=(15,10))

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x7f725650cc90>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x7f725650cc50>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x7f7255969710>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x7f7255963350>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x7f725366d890>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x7f7253695e90>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x7f7253648b10>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x7f72535fb410>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x7f72535a1d10>]],
      dtype=object)

查看不同特征的存活情况

print(trainSet[["Pclass","Survived"