python泰坦尼克号数据预测_使用python预测泰坦尼克号生还

简介

Titanic是Kaggle竞赛的一道入门题，参赛者需要根据旅客的阶级、性别、年龄、船舱种类等信息预测其是否能在海难中生还，详细信息可以参看https://www.kaggle.com/，本文的分析代码也取自 kaggle 中该竞赛的 kernal。

数据介绍

给出的数据格式如下：

PassengerId,Survived,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked

1,0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S

2,1,1,"Cumings, Mrs. John Bradley (Florence Briggs Thayer)",female,38,1,0,PC 17599,71.2833,C85,C

数据项的含义如下：

PassengerId：乘客ID

Survived：是否生还，0表示遇难，1表示生还

Pclass：阶级，1表示最高阶级，3最低

Name：姓名

Sex：性别

Age：年龄

SibSp：同乘船的兄弟姐妹的数量

Parch：是否有配偶同乘，1表示是

Ticket：船票编号

Fare：恐惧指数

Cabin：船舱号

Embarked：登船港口

问题分析

这是一个比较典型的基于特征的分类问题，根据一般的数据处理流程可以将问题的求解分解成为以下步骤：

数据预处理

读取数据，在本文代码中使用了 python 的 pandas 包管理数据结构

特征向量化，在本文代码中将性别和登船港口特征转成向量化表示

处理残缺数据，在本文代码中将残缺年龄用平均年龄表示，残缺的登船港口用频繁项表示

扔掉多余项，姓名、ID、舱号、票号在本问题中被认为是对分类没有帮助的信息，扔掉了这些特征项

数据训练

在本文代码中使用了