實(shí)驗(yàn)背景：

分析kaggle官網(wǎng)下載的泰坦尼克號數(shù)據(jù)集并且建立模型

?

實(shí)現(xiàn)過程：

1. 展示已有數(shù)據(jù)

? ? ?a. 總體存活比

? ? ?b.不同社會等級、性別、家庭成員數(shù)量和年齡的存活情況（分別列圖）

? ? ?c.不同艙門上船、社會地位與性別的存活情況

2. 數(shù)據(jù)處理

? ? ?a.特征處理

①減少不必要特征

姓名與幸存者數(shù)據(jù)關(guān)系不大，使用Mr、Royalty等具有地位特征的詞匯進(jìn)行取代

②簡化特征

將家庭成員數(shù)量劃分為1-3三個檔位，不再使用具體數(shù)字

處理船票編號特征時發(fā)現(xiàn)許多人使用了相同的船票編號，可以推斷家庭成員共用同一編號的船票，判斷依據(jù)是列出了相同票號的乘客數(shù)量，與家庭成員數(shù)量的統(tǒng)計相同

因此也將票號列為1-3三個檔位

? ? ?b.缺失數(shù)據(jù)補(bǔ)充

艙門、票價特征的缺失使用眾數(shù)填補(bǔ)

? ? ?c.個別數(shù)據(jù)排除

由于本實(shí)驗(yàn)的目的是建立模型，需要排除個別特例避免模型過于個性

分析數(shù)據(jù)得出，相同姓氏的家庭組中，普遍為男性死亡，女性和兒童的存活率較高。因此選出家庭中只有男性存貨的個別數(shù)據(jù)進(jìn)行強(qiáng)制修改

3.分析數(shù)據(jù)建立幸存者模型

交叉驗(yàn)證測試簡單機(jī)器學(xué)習(xí)模型性能

建立隨機(jī)森林模型，使用以上特征優(yōu)化后數(shù)據(jù)進(jìn)行訓(xùn)練，使用網(wǎng)格搜索進(jìn)行模型調(diào)優(yōu)

訓(xùn)練優(yōu)化后模型

4.未知數(shù)據(jù)測試

將預(yù)測結(jié)果與之前已知結(jié)果進(jìn)行對比：