机器学习建模基础教学课件-机器学习建模综合案例-泰坦尼克号生还预测.pptxVIP

机器学习建模综合案例 单元10 02 任务 知识目标 学习对于机器学习复杂问题进行分析并选择不同算法处理的方法 能力目标 能够综合使用机器学习库中的各种算法和模型来解决实际问题 职业素养目标 培养学生对所学知识在实际场景下的综合运用能力 1 任务1：泰坦尼克号生还情况预测 任务描述和目标 任务描述 本任务将使用Kaggle网站上的泰坦尼克号生还情况预测项目，来完整介绍机器学习建模实现的流程。本任务是一个二分类问题，要求根据乘客的特征信息完成是否可能存活下来的分析，特别的，要求运用机器学习工具来预测哪些乘客能够幸免于悲剧。 1 任务目标 学习对样本数据的异常值、缺失值等进行预处理的方法 学习对样本特征与标签变量之间的相关性分析的方法 学习不同机器学习算法的调用和参数调整方法 任务实施 1.数据描述 读取数据 数据基本统计 1 任务实施 2.数据预处理 异常值处理：Fare特征处理 缺失值处理：Embarked、Age、has_Cabin特征处理 标称属性处理：对Sex、Embarked这两个特征进行one-hot编码 标准化：Fare进行标准化 数据相关性：计算数值特征的相关系数，即计算船票种类Pclass、年龄Age、同船的兄弟配偶数Sibsp、同船的父母子女数Parch、买票费用Fare和是否生还的相关系数 1 任务实施 3.数据训练和预测 使用逻辑回归 使用SVM 使用随机森林 1 作业 1.简述泰坦尼克号乘客生还案例对数据进行了哪些预处理？ 2.泰坦尼克号乘客生还案例中，通过数据相关性分析，预处理时删除了哪些无用的特征？ Thank YOU!