Kaggle滑水 - 泰坦尼克之灾（决策树）

本文以Kaggle新手习题——Titanic: Machine Learning from Disaster为场景开展实验，以此熟悉Kaggle平台。

本文的源码托管于我的Github：Practice-of-Machine-Learning/code/Kaggle_Titanic/，欢迎查看交流。

1.任务概述

Titanic: Machine Learning from Disaster（泰坦尼克之灾）是Kaggle的入门练习题之一。本题要求在所给出的人员相关信息数据基础上，判断其是否在沉船事故中幸存。这是一个典型的二分类问题，这里通过构建决策树分类器实现。本文任务安排如下：

1. 数据初探：查看并理解原始特征含义，进行简要的可视化分析以形成初步的数据洞察；
2. 特征工程：针对决策树分类器模型，基于对数据的理解，对原始数据进行预处理，构建用于模型训练的特征数据集；
3. 决策树分类：训练决策树分类器，得出预测结果，采用预测准确度评价结果好坏并进行改进分析；

2.数据初探

赛题主页介绍了所提供的原始数据集，包括训练集与测试集，均以.csv文件形式给出ÿ