Kaggle：泰坦尼克号竞赛-从零开始的数据科学之旅

📌 引言

为什么选择泰坦尼克号竞赛？

在数据科学的广阔领域，Kaggle的泰坦尼克号竞赛是初学者进入机器学习世界的最佳跳板。这场竞赛不仅因历史背景而闻名，更是数据科学家的必经之路，涵盖了数据预处理、特征工程、模型训练等核心步骤。

竞赛背景概述

1912年，泰坦尼克号在首航中撞上冰山，导致1502人不幸遇难。今天，我们将利用数据科学技术，分析影响生还率的关键因素，并建立机器学习模型来预测乘客是否能够幸存。

1️⃣ 参赛准备工作

🏙️1.1 熟悉Kaggle平台

1. 注册Kaggle账号: 访问Kaggle官网注册。
2. 阅读竞赛规则: 详细了解比赛的规则与评分标准。
3. 下载数据集: 获取训练集(train.csv)和测试集(test.csv)。
4. 使用Kaggle Notebooks: 在线运行代码，进行数据分析。

📊 1.2 数据集解析

Kaggle提供的数据集包括：

• 训练集(train.csv): 包含乘客的详细信息及生存情况（1为生还，0为遇难）。
• 测试集(test.csv): 需预测乘客的生存情况。
• 特征说明文档: 解释数据集中的各个字段。
• 提交样例文件: 提供正确的提交格式。

📊 1.3 获取数据集

要获取竞赛试题中的数据集，你需要按照以下步骤操作：

1. 访问Kaggle竞赛页面
   进入Titanic - Machine Learning from Disaster 竞赛页面。

2. 注册并登录Kaggle
   如果你还没有Kaggle账户，需要先注册一个，然后登录。

3. 接受竞赛规则
   在竞赛页面点击 “Join Competition”，并接受竞赛的条款和条件。

4. 下载数据集

   • 进入 “Data” 页面。
   • 你可以下载 train.csv（训练集）和 test.csv（测试集）等文件到本地，也可以直接在Kaggle Notebooks中使用 !kaggle competitions download -c titanic 命令下载数据。

完成这些步骤后，你就可以加载数据并进行分析了！🚀

2️⃣ 数据探索与预处理

📥 2.1 数据加载与初步观察

import pandas as pd

train_df = pd.read_csv('train.csv')
test_df = pd.read_csv('test.csv')

print(train_df.head())
print(train_df.info())
print(train_df.describe())

🛠️ 2.2 处理缺失值

# 填充年龄缺失值
train_df['Age']