Titanic数据集分析分析和总结.docxVIP

泰坦尼克数据集探索 简介： 从泰塔尼克数据集中，根据每个乘客的信息，建立模型并进行预测。 整篇文章分为三步： 特征选择 缺失数据处理 预测 1.1 导入软件包并检查数据 library(ggplot2) # 可视化 library(ggthemes) # 可视化 library(scales) # 可视化 library(dplyr) # 数据处理 library(mice) # 填充缺失数据 library(randomForest) # 分类算法 #数据的导入 setwd(D:/Titanic)#设置默认功过路径 train - read.csv(train.csv,stringsAsFactors= FALSE)# 训 练集 test - read.csv(test.csv,stringsAsFactors= FALSE)#测试集 #进行数据拼接，一同进行特征选择和缺失数据处理 full - bind_rows(train, test) # bind training test data # check data str(full) 我们观察到一共有 1309 条数据，每一条数据有 12 个相关变量。 特征工程头衔 # 从名称中挖掘 # 从乘客名字中提取头衔 #R 中的 grep、grepl、sub、gsub、regexpr、gregexpr 等函数都使用正则表达式的规则进