7000字，Python数据分析：泰坦尼克号中女生更容易生还？

最新推荐文章于 2024-04-11 08:21:47 发布

IT孔乙己

最新推荐文章于 2024-04-11 08:21:47 发布

阅读量2k

点赞数 1

文章标签： python 数据挖掘机器学习开发语言程序人生

本文链接：https://blog.csdn.net/pythondby/article/details/122143507

版权

本文使用Python进行泰坦尼克号数据挖掘，分析乘客生还情况。研究发现，女性、头等舱乘客、小孩生还概率较高。通过数据预处理、特征工程和多种机器学习模型（如逻辑回归、SVM、随机森林）的对比，揭示决策树和随机森林在该问题上表现最优。

摘要由CSDN通过智能技术生成

作者 | Peter
来源 | 尤而小屋

Titanic数据是一份经典数据挖掘的数据集，本文介绍的是kaggle排名第一的案例分享。原notebook地址：

https://www.kaggle.com/startupsci/titanic-data-science-solutions

排名

看下这个案例的排名情况：

第一名和第二名的差距也不是很多，而且第二名的评论远超第一名；有空再一起学习下第二名的思路。

通过自己的整体学习第一名的源码，前期对字段的处理很细致，全面；建模的过程稍微比较浅。

数据集文末会给出！

数据探索

导入库

导入整个过程中需要的三类库：

数据处理
可视化库
建模库

# 数据处理
import pandas as pd
import numpy as np
import random as rnd

# 可视化
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

# 模型
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC, LinearSVC
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import Perceptron
from sklearn.linear_model import SGDClassifier
from sklearn.tree import DecisionTreeClassifier

导入数据

导入数据后查看数据的大小

字段信息

查看全部的字段：

train.columns

Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',
       'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],
      dtype='object')

下面是字段的具体含义: