Kaggle｜入门：泰坦尼克号生存预测（线性回归）

前段时间学习了吴恩达的机器学习课程，然后蠢蠢欲动想要有所体验机器学习，于是上kaggle来体验了一下入门比赛-泰坦尼克号生存预测。

在kaggle上下载了项目训练集，就可以开始动手啦

本文仅仅是新手入门，hhh

1.数据初探

import numpy as np
import pandas as pd 
import seaborn as sns

import matplotlib.pyplot as plt

data_train=pd.read_csv('train.csv')
data_train.head()

使用head快速返回前5条消息。可以发现结果如下：

在kaggle页面上，我们找到了每一列的说明：

大致就是：

1. # passengerId 乘客编号
2. # survived 是否存活 1是 0否
3. # pclass 船舱等级  1=lst 2=2nd 3=3rd
4. # name 姓名
5. # sex 性别
6. # age 年纪
7. # sibsp ?上的兄弟姐妹/配偶个数
8. # parch ?上的父母，孩子
9. # ticket 船票号码
10. # fare 船票价格
11. # cabin 船仓号
12. # embarked 登船港口  C = Cherbourg, Q = Queenstown, S = Southampto

对于样本，我们进行整体把握，查看一下总体的信息：

data_train.info()

# 可以发现age，和cabin有大量缺失
# embarked只有两条缺失

2.数据处理与特征选择

Cabin船舱号有大量空值，对于空值填充可能有较大误差，所以我们先不考虑cabin作为特征

pass