项目背景
1912年4月15日,泰坦尼克号在首次航行期间撞上冰山后沉没,2224名乘客和机组人员有1502人遇难。沉船导致大量伤亡的原因之一是没有足够的救生艇给乘客和船员。虽然幸存下来有一些运气因素,但有一些人比其他人更有可能生存,在本项目中将对哪些人可能生存作出分析,运用Python和机器学习的相关模型来预测哪些乘客幸免于难,数据来源自Kaggle
开发环境
Win7
Python3.6.0
项目步骤
提出问题—数据采集—数据处理—特征选择—训练模型—模型评估—提交结果
提出问题
具备哪些特征的人更容易存活?
数据来源
从Kaggle官网页面下载数据:https://www.kaggle.com/c/titanic
train.csv是用于训练模型的,共包含12个字段:PassengerId、Survived 、Pclass、Name、Sex、Age、SibSp、Parch、Ticket、Fare、Cabin、Embarked
test.csv是需要进行预测的,共包含11个字段:PassengerId、Pclass、Name、Sex、Age、SibSp、Parch、Ticket、Fare、Cabin、Embarked
需要对test的Survived进行预测,被解释变量为二分类变量。
gender_submission.csv是提交结果的示样格式:
导入项目需要的库
import numpy as np
import pandas as pd
import csv
from sklearn.preprocessing import LabelEncoder as LE
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression as LR
from sklearn.ensemble import RandomForestClassifier as RFC
from sklearn.svm import SVC