机器学习实战入门经典案例：泰坦尼克号乘客获救预测
天池项目链接：https://tianchi.aliyun.com/notebook-ai/detail?postId=6471
数据集下载地址：https://tianchi.aliyun.com/datalab/dataSet.html?spm=5176.100073.0.0.4b9f6fc1syvnEp&dataId=1386
github：https://github.com/oliveeeeee/Machine-Learning-Project
数据样本观测
1、数据量
训练集：(891, 12)
测试集：(418, 11)
2、数据类型
3、缺失值
训练集中，Age缺失177个，Cabin缺失687个，Embarked缺失2个。
测试集中，Age缺失86个，Fare缺失1个，Cabin缺失327个。
4、统计描述
特征工程
1、缺失值处理
Cabin列缺失值比例较大，先不选用Cabin列做特征。
Age采用中位数对空值进行填充。
疑问：
Age，训练集用训练集的中位数？测试集用测试集的中位数？
Embarked和Fare的缺失值？（见后）
2、无关变量
PassengerId和Name，Ticket
3、变量类型转换？
Sex，Embarked（见后）
线性回归
选取简单的可用输入特征predictors = ["Pclass","Age","SibSp","Parch","Fare"] 。
采用3折交叉验证。准确率为: 0.7037。
疑问：
Sex，Embarked转为类别变量加入？（见后）
逻辑回归
选取简单的可用输入特征predictors = ["Pclass","Age","SibSp","Parch","Fare"] 。
采用3折交叉验证。准确率为: 0.6992。
加入Sex，Embarked
sex: 转为类别变量。
embarked：补缺失值，用众数补；转为类别变量。
线性回归准确率0.7833.
逻辑回归准确率0.7879.
加入Sex和Embarked以后准确率有所提升。
对测试集进行处理和预测
1、补缺失值
Age采用中位数对空值进行填充。
Fare采用最大值进行填充。（Fare只有一个缺失值）
2、Sex和Embarked类别变量转换
3、预测
随机森林
1、10棵决策树，3折交叉验证。准确率0.7856.
2、30棵决策树，10折交叉验证。准确率0.8115.
