贝叶斯网络分析kaggle泰坦尼克号数据

贝叶斯网络分析kaggle泰坦尼克号（Titanic）

一、数据处理

1.原始数据分析

主要是让参赛选手根据训练集中的乘客数据和存活情况进行建模，进而使用模型预测测试集中的乘客是否会存活。乘客特征总共有11个，以下列出。当然也可以根据情况自己生成新特征，这就是特征工程（feature engineering）要做的事情了。

PassengerId => 乘客ID

Pclass => 客舱等级(1/2/3等舱位)

Name => 乘客姓名

Sex => 性别

Age => 年龄

SibSp => 兄弟姐妹数/配偶数

Parch => 父母数/子女数

Ticket => 船票编号

Fare => 船票价格

Cabin => 客舱号

Embarked => 登船港口

2.数据清洗

• 数据集合并

#合并训练集train和测试集test
train=pd.read_csv('./train.csv')
test=pd.read_csv('./test.csv')
full=pd.concat([train,test],ignore_index=True)

• 查找缺失值

full.isnull().sum()

从缺失值来看，Embarked（登船港口）和Fare（船票价格）缺失值较少，Age与Cabin（客舱号）缺失较多，可能该特征对结果有较大的影响，将年龄与Cabin视作特征。

• Age缺失值处理

  full['Title']=full['Name'].apply(lambda x: x.split(',')[1].split('.')[0].strip())
  full.Title.value_counts()
  def girl(aa):
      if (aa.Age!=999)&(aa.Title=='Miss')&(aa.Age<=14):
          return 'Girl'
      elif (aa.Age==999