Kaggle泰坦尼克号数据机器学习实战：从缺失值处理数据探索性分析组合特征生成到多模型构建

Posted 2021-09-04 Data+Science+Insight

Kaggle泰坦尼克号数据机器学习实战：从缺失值处理、数据探索性分析、组合特征生成到多模型构建

泰坦尼克号的沉没是历史上最为人熟知的海难事件之一。 1912 年 4 月 15 日，在她的处女航中，泰坦尼克号在与冰山相撞后沉没，在船上的 2224 名乘客和机组人员中，共造成 1502 人死亡。这场耸人听闻的悲剧震惊了国际社会，从而促进了船舶安全规定的完善。

造成海难失事的原因之一是乘客和机组人员没有足够的救生艇。尽管在沉船事件中幸存下有一些运气因素，但有些人比其他人更容易存活下来，比如女人，孩子和上流社会。

在这个挑战中，要求完成哪些人可能存活下来的分析。特别的，要求运用机器学习工具来预测哪些乘客能够幸免于悲剧。
字段相关：
passengerid： 乘客 ID
class： 舱位等级 (1 = 1st, 2 = 2nd, 3 = 3rd)**
name： 乘客姓名
sex： 性别
age： 年龄
sibsp： 在船上的兄弟姐妹／配偶个数
parch： 在船上的父母／小孩个数
ticket： 船票信息
fare： 票价
cabin： 客舱
embarked： 登船港口 (C = Cherbourg, Q = Queenstown, S = Southampton)
survived:  变量预测为值 0 或 1（这里 1 表示幸存，0 表示遇难）

# 导入数据数据科学包

# data analysis and wrangling
import pandas as