本文是关于Kaggle泰坦尼克号竞赛的初级入门教程，重点介绍了训练数据的探索和初步清洗。通过对数据的观察，发现'PassengerId', 'Age', 'SibSp'与'Survived'的相关性较低，而'Parch'有轻微相关性。数据清洗过程中，针对缺失值进行了处理，如使用插值填充'Age'，并根据'Cabin'创建新特征。此外，删除了对预测影响较小的特征，并对'Fare'进行离散化处理，为后续机器学习模型的建立做准备。"
100061790,8730448,Zabbix自定义监控配置完全指南,"['zabbix', '监控配置', '自定义监控', '进程监控', '日志监控']
Kaggle竞赛，初级入门，泰坦尼克号
一、训练数据探索
1、观察数据维度
import pandas as pd
import pandas_profiling
from autoviz.AutoViz_Class import AutoViz_Class
data=pd.read_csv('.\\train.csv')
维度：‘PassengerId’, ‘Survived’, ‘Pclass’, ‘Name’, ‘Sex’, ‘Age’, ‘SibSp’,
‘Parch’, ‘Ticket’, ‘Fare’, ‘Cabin’, ‘Embarked’
survived,即为y变量，0为死，1为生。
report=pandas_profiling.ProfileReport(data)
report.to_file(output_file=(".\\census_report.html"))
#自动生成一段数据分析视图
如图所示
还可以显示各个字段的情况例如这个PassengerId,乘客id，
最低0.47元/天 解锁文章
扫一扫
178
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
