数据挖掘案例： 泰坦尼克号

　　（一）数据读取：

　　读取数据，并进行展示统计数据各项指标明确数据规模与要完成任务 （二）特征理解分析

　　单特征分析，逐个变量分析其对结果的影响多变量统计分析，综合考虑多种情况影响统计绘图得出结论 （三）数据清洗与预处理

　　对缺失值进行填充特征标准化/归一化筛选有价值的特征分析特征之间的相关性 （四）建立模型

　　特征数据与标签准备数据集切分多种建模算法对比集成策略等方案改进

　　

　　统计获救情况

　　

　　

　　

　　

　　船舱等级和性别对结果的影响

　　

　　

　　Oldest Passenger was of: 80.0 Years

　　Youngest Passenger was of: 0.42 Years

　　Average Age on the ship: 29.69911764705882 Years

　　

　　

　　

　　

　　False

　　

　　

　　

　　

　　

　　

　　False

　　

　　

　　

　　

　　

　　Highest Fare was: 512.3292

　　Lowest Fare was: 0.0

　　Average Fare was: 32.2042079685746

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　(623, 9)

　　(623, 1)

　　(268, 9)

　　(268, 1)

　　Accuracy for logistic regression is 0.7947761194029851

　　Accuracy for linear SVM is 0.7761194029850746

　　Accuracy for rbf SVM is 0.8171641791044776

　　Accuracy for decision tree classifier is 0.7835820895522388

　　Accuracy for random forest classifier is 0.7873134328358209

　　Accuracy for KNN classifier is 0.7873134328358209

　　Accuracies for different values of n are: [0.72761194 0.78731343 0.78358209 0.79477612 0.78731343 0.77985075

　　0.77238806 0.7761194 0.7761194 0.77238806]

　　with the max value is 0.7947761194029851

　　

　　The accuracy of the NaiveBayes is 0.7985074626865671

　　The accuracy of the gradient boosting is 0.8246268656716418

　　

　　

　　

　　

　　0.8327721661054994

　　{‘C’: 0.8, ‘gamma’: 0.1, ‘kernel’: ‘rbf’}

　　0.8338945005611672

　　

　　The accuracy for ensembled model is: 0.8171641791044776

　　The score validated score is 0.8282984337759618

　　The accuracy for bagged KNN is: 0.7947761194029851

　　The cross validated score for bagged KNN is: 0.7957496311428895

　　The accuracy for bagged Decision Tree is: 0.7761194029850746

　　The cross validated score for bagged Decision Tree is: 0.8070369424582908

　　0.8327553626149132

　　0.8327721661054994

　　AdaBoostClassifier(algorithm=‘SAMME.R’, base_estimator=None,

　　learning_rate=0.05, n_estimators=200, random_state=42)

　　

　　0.8160265577119509

　　0.8282828282828283