泰塔尼克号乘客生存预测（python）

介绍：

      本文使用简单的线性模型预测泰坦尼克号乘客生存情况，利用kaggle上的Titanic数据集，最后采用五折交叉验证方法评价模型

思路：

1. 读取数据：用pandas读取titanic的训练数据

2. 数据清洗：fillna函数填补空值

3. 特征提取：选择年龄、性别、客舱等级、登船港口为关键特征

4. 选择模型：选择线性模型进行模型构建

5. 模型评价：使用五折交叉验证法进行模型评价

# 导入数据
import pandas as pd
titanic_train = pd.read_csv('c:/train.csv')

# 用Age列的中位数填补缺失值
titanic_train['Age'] = titanic_train['Age'].fillna(titanic_train['Age'].median())

# 将Sex列中female转换成1，male转换成0，便于数据处理
titanic_train.loc[titanic_train['Sex']=='female','Sex']=1
titanic_train.loc[titanic_train['Sex']=='male','Sex']=0

# 用Embarked列中最多的s填补空值，并将仓口代号转换成数字
titanic_train['Embarked'] = titanic_train['Embarked'].fillna('s')
titanic_train.loc[titanic_train['Embarked']=='S','Embarked'] = 0
titanic_train.loc[titanic_train['Embarked']=='Q','Embarked'] = 1
titanic_train.loc[titanic_train['Embarked']=='C','Embarked'] = 2

# 

未完待续。。。。。