机器学习经典案例——泰坦尼克号

机器学习经典案例——泰坦尼克号
前言：泰坦尼克号数据分析是机器学习的一个经典案例，进行这个案例的学习，大家可以先在(https://www.kaggle.com/)对数据进行下载。网站需要账号登陆后下载，账号用Google、邮箱、脸书等。
然后是这几个数据集
为了方便进行数据展示，使用Jupyter Notebook
先将要用到的数据上传到Jupyter Notebook
然后新建一个python3.0的环境，就可以开始我们的案例了。

先让我们来了解一下大概流程：
1：导入所需的库和其他工具
2：获取数据
3：对数据进行处理
4：对数据进行数据划分
5：提取数据进行决策
6：模型分析

1：导入所需的库和其他工具

①：numpy是Python的一种开源的数值计算扩展。可用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
②：pandas 是基于numpy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
③：sklearn是python提供的免费机器学习框架，包含了很多的工具和算法。

1. sklearn.tree:决策树，是进行计算的主要部分。
2. sklearn.model_selection 中的 train_test_split用于划分训练集和测试集。
3. sklearn.feature_extraction 中的 DictVectorizer用于进行文字特征抽取。

2：获取数据

还可以用head（）的形式对数据进行部分展示，如下：

3：对数据进行处理

对于这次实例，我们研究的是数据的特征与其是否获救的关系，所以为了提高模型的准确性，我们要对特征进行分析。
passenger_id(乘客编号)：表示每一个乘客。
p_class(乘客是几等舱)：按电影中，是好舱先走的，对存活有影响。
name(乘客名字)：完全无关。
sex(乘客性别)：有可能对女性有一些倾向，选择保留。
age(乘客年龄)：有可能对老幼有些列外的情况，选择保留。
SibSp（乘客的兄弟姐妹）：有可能因为家人不能一起而拒绝登上救生艇，选择保留。
Parch（乘客的父母孩子）：同上，选择保留。
Fare（购票所用的费用）：费用和几等舱是相对应的，两者只能保留其中一个。
Cabin（船舱号）：基本没影响。
Embarked(目的地)：目的地也可以展示一个人可能的地位，选择保留。

然后就可以开始处理了
①把训练集和测试集整合到一起：

②删掉不需要的数据，以免影响结果：

用describe()查看union数集：
③解决数据中的空缺：

4：对数据进行划分

5：提取数据进行决策

6：模型分析

一个个对照：预测成功输出1