pandas学习之数据的建模与评价

前面几天已经将数据全部处理完ta毕，并熟悉了pandas处理数据的基本操作。最后就使用sklearn库来最终解决这个问题，分析测试集中哪些人可以存活。

首先将训练集做去空处理，清理掉训练集中的空数据。pandas中，mean()函数就是求平均值的意思。

 之后再对数据进行转码，转换为one-hot便于分析。

如果数据集本身并不是随机取样的，比如按照时间先后收集或者先收集高等舱再收集低等舱，就需要随机选取，使得各种样本充分混合。

切割数据集方面，python语法允许用元组同时给多个元素赋值，而sklearn为我们提供了一个一步到位的函数train_test_split()。

由于问题训练集已知结果，而且预测的值只有有限种（2种）可能，所以属于“分类”问题。对于此问题，可以使用决策树或者Logistic回归的方法。