Kaggle初体验-机器学习之泰坦尼克号乘客生存预测(上)

学习数据分析也有段时间了，都只是使用一些简单图表来分析数据，本周将开启全新的学习旅程：机器学习(^_^偷笑)。

本次通过Kaggle所举办的泰坦尼克挑战赛 来机器学习分析并预测某一乘客的生存或死亡。Kaggle提供两部分数据，训练数据(train.csv)和测试数据(test.csv)，我们通过对训练数据分析，构建一个模型，并用这个模型来加载预测数据，分析test.csv表中乘客生存或死亡。最后将分析结果导出提交到Kaggle上，Kaggle能根据你提交的数据评判得分并进行排名。

这是我提交的结果：

PS：如何使用Kaggle请看这里

泰坦尼克号首航中与一座冰山相撞，事故造成2224名乘客和机组人员中的1502人死亡。大面积伤亡的原因之一是船上没有足够的救生艇供乘客和船员使用。尽管在沉船事故中幸存下来的人有一些运气成分，但有些人会比其他人更容易存活。

那么什么样的人在泰坦尼克号事件中更容易存活？

所以接下来，就是分析的过程了。
工欲善其事，必先利其器。所以按照惯例，我们先盘点下将使用到的工具

• Pandas Numpy
  数据处理
• Matplotlib、seaborn
  数据可视化
• sklearn
  机器学习和预测建模
• Jupyter Notebook
  分析利器（也是本文写作的工具）

本次分析过程分为两部分进行，一是常规分析，二是机器学习分析。

直接去下篇：https://blog.csdn.net/wuzlun/article/details/80190331

# 导入本次用到的工具

# 使用该魔法，不用写plt.show()
%matplotlib inline  

import warnings
# 忽略警告提示
warnings.filterwarnings('ignore')
warnings.filterwarnings('ignore', category=DeprecationWarning)

import pandas as pd
import numpy as np

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号

# seaborn作为matplotlib的补充及扩展
import seaborn as sns  

一、常规分析

通过对训练数据(train.csv)简单的分析，得出结论。

# 导入训练数据
data = pd.read_csv('./data/train.csv')
# 查看数据大小
# data.shape
print('训练数据有',data.shape[0],'行，',data.shape[1],'列')

# 观察数据结构，返回前6行
data.head(6)

训练数据有 891 行， 12 列

	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th…	female	38.0	1	0	PC 17599	71.2833	C85	C
2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	5	0	3	Al