Taitanic - Startup for Kaggle

开始玩一下Kaggle， 用Taitanic作为第一个练手的Project。

记录一下步骤和遇到的问题，给自己提个醒，也给各位做个借鉴。

1，首先在Kaggle上把 Test data和 trainning data 下载下来, 选择R来做分析

2，准备采用算法的package，借这个时间整体过一下decision Tree的几个算法，实际操作一下，先把这些包install一下，需要现在最新版本的R才能找到其中的一些Packege

    a. rpart  

    b. party

    c.C50

    d. RandomForest

   

3，设置目录，将数据读入R中

    添加代码片段一直不成功，只能这样添加了。求各位高手指点

    setwd('C:\\Kaggle\\Titanic')
    getwd()

    test_data = read.table("test.csv",header=TRUE,sep=",",row.names=1);

    head(test_data)

    test_data = read.table("test.csv",header=TRUE,sep=",",row.names=1);

4，好，现在开始使用rpart

     先看一下用法 ？rpart

    使用之前先删掉一些自认没有用的变量：  train_data = subset(data0,select = -c(Name))

    model.r<-rpart(train_data$Survived~.,data=train_data)

    好，第一个问题来了

    test set 中的一些Factor variable 在train set 中没有出现过， 会出现错误

    解决方法：删掉无用的factor类型的feture

5  可以plot一下train 后的 tree

   plot(model.r)
   plot(model.r,uniform=TRUE)

  text(model.r,use.n=TRUE,all=TRUE)

 每次执行test之前要先执行一下plot

6   好，可以进行predict了

     rpart_p <- predict(model.r,test_data)

     现在遇到第二个问题：被预测的column 不是factor 类型， 报error （今天先写到这，未完待续，时间紧迫，写的太仓促了，各位见谅）