[数据挖掘]利用Titanic学习特征工程

本文通过Titanic数据集展示数据挖掘过程,包括单变量分析、二元变量分析、缺失值处理、异常值检测及特征创建。发现年龄、性别、船票等级与幸存率密切相关,女性和高等级船票乘客幸存率更高。处理缺失值时,根据属性重要性和缺失比例选择合适策略。异常值检测有助于提高模型准确性,特征创建如提取称号信息可增强模型表现。
摘要由CSDN通过智能技术生成

概述

  本文将以Titanic的数据集作为例子,学习如何进行数据清洗,从原始数据中挖掘出对目标有利的特征以便构建出优秀的模型。数据集来源于kaggle中的题目:预测Titanic乘客的存亡情况。

数据探索有7个步骤,分别是:
1.确定变量
2.单变量分析
3.二元变量分析
4.缺失值分析
5.异常值分析
6.特征转换
7.特征创建
其中4-7视模型效果而言需要反复进行多次。

数据集

  首先,我们来简单看一下原始数据:

>test<-read.csv("test.csv")
>train<-read.csv("train.csv")
>str(train)

'data.frame':   891 obs. of  12 variables:
 $ PassengerId: int  1 2 3 4 5 6 7 8 9 10 ...
 $ Survived   : int  0 1 1 1 0 0 0 0 1 1 ...
 $ Pclass     : int  3 1 3 1 3 3 1 3 3 2 ...
 $ Name       : Factor w/ 891 levels "Abbing, Mr. Anthony",..: 109 191 358 277 16 559 520 629 417 581 ...
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值