titanic預測

開始入手做titianic項目了。

首先明确，這肯定是一個分類問題，而且是二分類問題。

對資料進行觀察

Survived–存活率，也就是label

Pclass–類别型變量，1、2/3分别代表頭等艙到下等艙

Name–姓名，姓名看起來沒什麼用，但是可以用來判定是否一家，在年齡缺失的時候可以用來斷定

sex–性别，類别型變量

Age–年齡，有缺失值，如果年齡小于1，則年齡為分數。如果估計年齡，是否為xx.5

SibSp–家庭成員，資料集定義這樣的家庭關系…… 兄弟姐妹=兄弟，姐妹，同父異母的弟弟，義妹配偶=丈夫，妻子（包情婦和未婚夫被忽略）

Parch–父=母親，父親 兒童=女兒，兒子，繼女，繼子 一些孩子隻帶着保姆旅行，是以parch = 0。

Ticket–票号，基本無用

Fare–乘客票價，基本也無用

Cabin–客艙号碼，也基本無用

Embarked–登船港口， C =瑟堡，Q =皇後鎮，S =南安普敦，，，這個變量也基本無用。。

經過初步考慮，我選擇暫時保留Pclass，Name，Sex，Age，SibSp，Parch這幾個變量，并對這些變量進行進一步統計分析