titanic预测

开始入手做titianic项目了。

首先明确，这肯定是一个分类问题，而且是二分类问题。

对数据进行观察

Survived–存活率，也就是label

Pclass–类别型变量，1、2/3分别代表头等舱到下等舱

Name–姓名，姓名看起来没什么用，但是可以用来判定是否一家，在年龄缺失的时候可以用来断定

sex–性别，类别型变量

Age–年龄，有缺失值，如果年龄小于1，则年龄为分数。如果估计年龄，是否为xx.5

SibSp–家庭成员，数据集定义这样的家庭关系…… 兄弟姐妹=兄弟，姐妹，同父异母的弟弟，义妹配偶=丈夫，妻子（包二奶和未婚夫被忽略）

Parch–父=母亲，父亲 儿童=女儿，儿子，继女，继子 一些孩子只带着保姆旅行，因此parch = 0。

Ticket–票号，基本无用

Fare–乘客票价，基本也无用

Cabin–客舱号码，也基本无用

Embarked–登船港口， C =瑟堡，Q =皇后镇，S =南安普敦，，，这个变量也基本无用。。

经过初步考虑，我选择暂时保留Pclass，Name，Sex，Age，SibSp，Parch这几个变量，并对这些变量进行进一步统计分析