基于机器学习算法的泰坦尼克生还预测.docxVIP

目录 TOC \o 1-3 \h \z \u 1引言 1 1.1研究背景及意义 1 1.1.1研究背景 1 1.1.2研究意义 1 1.2国内外研究现状 2 1.2.1国内研究现状 2 1.2.2国外研究现状 4 1.2.3研究发展趋势 4 1.3研究思路及方法 5 1.3.1研究思路 5 1.3.2研究方法 5 1.4研究需要解决的问题 6 2基于生还预测的机器学习模型 7 2.1相关概念的界定 7 2.1.1“机器学习算法” 7 2.1.2随机森林的基本概念 7 2.2生还预测模型 8 2.2.1 随机森林 8 2.2.2决策树 9 2.2.3集成学习 9 3泰坦尼克乘客数据集处理 10 3.1数据的探索 10 3.2变量的处理 11 4生还预测模型与模型优化 13 4.1特征工程 13 4.1.1“姓名”变量存在什么？ 13 4.1.2“关联”和“亲人”变量是否一齐下沉或游泳？ 13 4.1.3其他变量的情况 15 4.2缺失值的处理 15 4.2.1合理价值估算 15 4.2.2预测归责 17 4.3相关特征创建 18 5模型预测结果与评估 19 5.1测试集和训练集 19 5.2建立模型 19 5.3特征重要性排序和预测 20 6结论 22 致谢 24 基于机器学习算法的泰坦尼克生还预测 摘要：本文以泰坦尼克乘客数据集为样本,基于机器学习算法进行随机森林模型的分析。首先,通过导入的数据集做观测变量的处理,并进行特征工程；其次,进行定量分析，考虑到数据集有缺失的情况，将选取合理的值替换缺失值，例如平均值、中值等数值，进行合理价值估算、预测归责和专题工程（第二轮）；再次，预测泰坦尼克号乘客中的幸存者，为此，将依赖随机森林分类算法进行分析、预测。最后，通过建立随机森林模型，分析得出：乘客幸存率与变量Passenger Id、Pclass、Name、Sex、Age、SibSp、Parch、Ticket、Fare、Cabin、Embarked高度相关。基于以上分析和预测，随机森林模型应用到事故分析中是具有一定的可行性和有效性的。 关键词：泰坦尼克号；机器学习算法；随机森林模型；幸存率 Prediction of Titanics survival based on machine learning algorithm Abstract: In this paper, taking Titanic passenger data set as a sample, the random forest model is analyzed based on machine learning algorithm. Firstly, the imported dataset is used to process the observation variables and carry out feature engineering; secondly, For quantitative analysis, in consideration of the missing data set, reasonable values will be selected to replace the missing values, such as the average value, median value and other values, to carry out reasonable value estimation, prediction attribution and special project (the second round); thirdly, predict the survivors of Titanic passengers, for this reason, the random forest classification algorithm will be relied on for analysis and prediction. Finally, by establishing a random forest model, the analysis shows that the passenger survival rate is highly correlated with the variables passenger ID, pclass, name, sex, age, sibsp,