kaggle竞赛入门Titanic生存预测

最新推荐文章于 2022-03-24 21:50:59 发布

原创

最新推荐文章于 2022-03-24 21:50:59 发布 · 1.5k 阅读

7 ·

CC 4.0 BY-SA版权

本文介绍了参与Kaggle Titanic生存预测竞赛的初步步骤，包括数据清洗如处理缺失值（删除记录、插补）、数据可视化（乘客属性与获救情况关联）以及特征工程的初步操作。通过数据探索，展示了各乘客等级、性别和Cabin有无对获救情况的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Titanic是kaggle上的一道入门题目，很适合新手去练市数据分析。

这道题给的数据是泰坦尼克号上的乘客的信息，预测乘客是否幸存。这是个二元分类的机器学习问题。数据链接：https://www.kaggle.com/c/titanic/data

1. 数据清洗（Data Cleaning）

2. 探索性可视化（Exploratory Visualization）

3. 特征工程（Feature Engineering）

4. 基本建模&评估（Basic Modeling& Evaluation）

一。数据清洗

import pandas as pd
import numpy as np

train=pd.read_csv('F:\\kaggleData\\titanic\\train.csv')
train.head()
train.info()

train.describe()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId 891 non-null int64
Survived 891 non-null int64
Pclass 891 non-null int64
Name 891 non-null object
Sex 891 non-null object
Age 714 non-null float64
SibSp 891 non-null int64
Parch 891 non-null int64
Ticket 891 non-null object
Fare 891 non-null float64
Cabin 204 non-null object
Embarked 889 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB

标签解释：