对于Titanic数据集模型的搭建与评估

步骤

数据清洗
确立搭建模型
训练前准备
试用不同模型
模型评估

数据清洗

把数据缺失值，重复值处理到易于模型分析的样子

缺失值处理

• 首先找到含有缺失值的特征

train.isnull().mean()

• 将含缺失值的特征分为分类变量与连续变量

• 处理缺失的分类变量

# 对分类变量进行填充
train['Cabin'] = train['Cabin'].fillna('NA')
train['Embarked'] = train['Embarked'].fillna('S')

• 处理缺失的连续变量

# 对连续变量进行填充
train['Age'] = train['Age'].fillna(train['Age'].mean())

处理分类变量

data = pd.get_dummies(data)

确立搭建模型

在选定baseline之前需要先确定

• 监督学习/无监督学习
• 任务
• 数据样本，特征的稀疏性
• 比较几个baseline的泛化性

训练前准备

切割训练集和测试集

# 对数据集进行切割
X_train