【Pandas基础教程】第25讲 机器学习实例：泰坦尼克存活率预测

1. 问题分析

监督学习中的分类问题，借助年龄、性别、费用等特征，预测乘客能否存活。

2. 特征工程

2.1 原始特征

• PassengerId，乘客编号，几乎没有影响；
• Survived，能否生存，目标列；
• Pclass，船舱等级，高级別客舱生存率可能高；
• Name，姓名，几乎没有影响；
• Sex，性别，影响体力体质、道德准则等；
• Age，年龄，影响体力体质、道德准则等；
• SibSp，兄弟姐妹数量，影响互救、拖累等；
• Parch，父母子女数量，影响互救、拖累等；
• Ticket，船票编号，几乎没有影响；
• Fare，船票费用，影响客舱等级等；
• Cabin，舱号，可能影响客舱位置，但是缺失值太多，也没有确定客舱位置的其他数据，只能放弃该列；
• Embarked，上船地点，影响经济水平、社会地位等。

2.2 加工特征

• FamilySize，家庭规模，影响互救、拖累等；
• NameLength，名字长度，竟然有影响，很迷；
• Title，地位头衔，影响社会地位。

3. 算法选择

3.1 线性回归

https://www.cnblogs.com/geo-will/p/10468253.html

3.2 逻辑回归

https://www.cnblogs.com/geo-will/p/10468356.html

3.3 随机森林

https://www.zhihu.com/question/64043740/answer/644998828

3.4 梯度提升

https://microstrong.blog.csdn.net/article/details/103060416