泰坦尼克 逻辑回归实验小结

泰坦尼克号数据集是一个经典的二元分类问题，我们使用逻辑回归模型对其进行了实验。下面是实验小结：

1. 数据预处理：对数据集进行了探索性数据分析，并进行了缺失值填充、特征工程和特征选择。

2. 模型训练：将数据集分为训练集和测试集，使用逻辑回归模型进行训练，并进行了交叉验证和网格搜索来选择最佳参数。

3. 模型评估：使用测试集对模型进行了评估，并计算了准确率、精确率、召回率和F1值。同时，进行了ROC曲线和AUC值的绘制和计算。

4. 结果分析：根据评估结果，我们得出了以下结论：模型的准确率为80.22%，精确率为75.00%，召回率为70.59%，F1值为72.73%。ROC曲线下面积为0.834。

综上所述，我们的逻辑回归模型在泰坦尼克号数据集上表现良好，并且具有较高的预测能力。