Titanic数据分析项目——Kaggle数据分析项目实战1

目前预测准确度达到77.511%, 会持续优化并且更新。

一、特征工程：

1、先对缺失值进行填充，先找到缺失值的位置，数值型数据填充众数，字符数据或者是离散型数据则填充出现最多的数据。
2、标准化数值型数据， 根据标准化数据公式：
$$x_{\text{standardized}}=\frac{x-\text{mean}(x)}{\text{std}(x)}$$
3、增加特征值：
(1) 票价等级：将票价大于均值的记为1，将票价小于等于均值的记为0，分别表示票价高者和票价低者。
(2) 是否存在亲属：将有亲属的标记位1，无亲属的标记为0。
(3) 同船亲属的数量，将同船的有关系的人数加起来，并且初始化这一列数据。
(4) 同船亲属的数量等级：求出同船亲属数量大于同船亲属数量的均值，记为1，小于等于同船亲属数量，记为0。
(5) 通过对字符型数据也就是"name"那一列的观察与处理，发现会有三种不同的称呼: “Mrs”, “Miss”, “Mr”，分别记为0, 1, -1。
(6) 年龄级别: 将大于平均年龄的记为1,小于等于平均年龄的记为0
(7) 还在思考，后续会进行补充…

特征工程代码实现：

from sklearn.preprocessing import StandardScaler
us_list = ['舱位等级', '性别', '年龄', '同船的兄弟姐妹/配偶数量', '同船的父母/孩子数量', '船票号码', '票价', '船舱号码', '登船港口'] 

#处理数据
def Work_Data(df):
   

    List1 = [] 
    for i in df.index:
        # print(df.loc[i, '姓名'])
        ustr = str(df.loc[i, '姓名'])
        if ustr