Titanic: Machine Learning from Disaster-kaggle入门赛-学习笔记

Titanic: Machine Learning from Disaster

1. 对实验用的数据的认识，数据中的特殊点/离群点的分析和处理，特征工程(feature engineering)很重要。
2. 注意模型融合(model ensemble)。

机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾

1. 训练数据中通常遇到缺值的情况，会有几种常见的处理方式：

        1.如果缺值的样本占总数比例极高，可能就直接舍弃了，作为特征加入的话，可能反倒带入noise，影响最后的结果了；

        2.如果缺值的样本适中，而该属性非连续值特征属性(比如说类目属性)，那就把NaN作为一个新类别，加到类别特征中；

        3.如果缺值的样本适中，而该属性为连续值特征属性，有时候会考虑给定一个step(比如这里的age，可以考虑每隔2/3岁为一个步长)，然后把它离散化，之后把NaN作为一个type加到属性类目中；

        4.有些情况下，缺失的值个数并不是特别多，那也可以试着根据已有的值，拟合一下数据，补充上。