干货来了！菜鸟入门最经典的机器学习项目，面试必考！

今天小编带领大家完整的走完一个简单机器学习小的实战项目，这个项目是Kaggle上的经典项目《泰坦尼克号之灾》，也是面试经常考的项目。大家对于泰坦尼克号一定不会陌生，但是不知道大家想过没有，泰坦尼克号上生还的都是哪些人，他们都有什么样的特征呢？

今天小编将从以下的几个点进行分析:

• 对于数据的认知

• 特征工程

• 进行模型的构建

1

对于数据认知

首先为什么要讲数据的认知，只有对数据进行充分的了解，你才能从大量的冰冷的数据中发现潜在的规律；只有对数据进行充分的认识，你才能从数据中提取有价值的信息。没有对于数据的了解，其他的都是空谈。那么我们首先来看一下，我们所要处理的数据吧。

数据一共有12个维度，也就是12个特征，分别对应如下：

PassengerId => 乘客的ID

Survived=> 乘客是否存活

Pclass => 乘客的等级(1/2/3等舱位)

Name => 乘客姓名

Sex => 性别

Age => 年龄

SibSp => 堂兄弟/妹个数

Parch => 父母与小孩个数

Ticket => 船票信息

Fare => 船票的价格

Cabin => 船舱号

Embarked => 登船港口

其中Survived变量是我们需要求的变量。数据中像是Sex、Embarked属于类目型数据，数值类型的数据有：Age,Fare,SibSphe Parch。

2

从数据分布中获取信息

从数据的分布信息中，我们可以得到一些统计信息，帮助我们更快的对数据集有一个整体的理解。

从上面的表格中，我们可以知道训练样本集中包含样本891例，891例中最终幸存的概率是38.4%左右；，二等舱和三等舱的人要多于一等舱的人；乘客的平均年龄为29.7岁左右；有超过75%的人没有与父母或者是子女一起登上泰坦尼克号。