数据分析实战：泰坦尼克的任务——from kaggle（连载6 \ 模型搭建与性能评估）

第三章(PART1)：模型搭建

经过前面的探索性数据分析我们可以很清楚的了解到数据集的情况，以及得出了一些结论。
下面我们将搭建一个预测模型，运用机器学习的方式来为泰坦尼克船只做一个预测，我们在测试集的数据中来预
测哪些乘客将会存活，哪些乘客将遭遇不幸。然后我们会对我们的模型做一个评价。

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 读取训练数集
train = pd.read_csv('train.csv')
train.head()

train.shape

8.1 特征工程

8.1.1 任务一：缺失值填充

1. 对分类变量缺失值：填充某个缺失值字符(NA)、用最多类别的进行填充
2. 对连续变量缺失值：填充均值、中位数、众数

# 观察缺失值个数
pd.isnull(train).sum()

# 对分类变量进行填充
train["Embarked"] = train["Embarked"].fillna("S")
train['Cabin'] = train['Cabin'].fillna('NA')
# 对连续变量进行填充
train["Age"] = train["Age"].fillna(train["Age"].mean())

# 检查缺失值比例
train.isnull().mean().sort_values(ascending=False)

8.1.2 任务二：编码分类变量

# 取出所有的输入特征
data = train[['Pclass','Sex','Age','SibSp','Parch',