一、数据来源及说明
1.1 数据来源
来自Kaggle的非常经典数据项目 Titanic:Machine Learning
1.2 数据说明
数据包含train.csv 和test.csv 两个文件数据集,一个训练用,一个测试用。train文档数据是用来分析和建模,包含泰坦尼克号乘 客的各项基本信息变量和生存情况;test数据是用来最终预测其生存情况并生成结果文件。
二、分析思路
本项目主要根据train数据的分析并建立模型,预测test数据中乘客在沉船事件中的生存情况。思路如下:
(1)数据整理分析
(2)数据清洗,为建模做准备(如变量整合,建立新变量,填补缺失值空白值)
(3)建立模型并预测,提交网站排名
三、数据整理分析
3.1 导入数据,初步分析
train<-read.csv("train.csv")
test <- read.csv("test.csv")
library('dplyr')
binddata<-bind_rows(train,test) #合并train和test数据
str(binddata)
summary(