泰坦尼克号生存预测分析 用两种适合的算法进行分析 python 实现 数据分析可视化 代码详解

泰坦尼克号生存预测是一个经典的机器学习项目，它利用Python的数据科学库，如Pandas、NumPy和Scikit-learn等，来对乘客的生还情况进行预测。我们可以采用两种常见的分类算法，比如逻辑回归和决策树，来进行预测。

1. **数据加载和预处理**：
首先，我们需要从Kaggle或其他来源获取Titanic数据集，使用Pandas读取CSV文件并清洗数据，包括缺失值处理、异常值检测以及类别变量的编码（例如性别、船舱等级等）。

import pandas as pd
data = pd.read_csv('titanic.csv')
data.dropna(inplace=True)  # 删除缺失值
data['Sex'] = data['Sex'].map({'male': 0, 'female': 1})  # 将性别编码为数字

2. **特征选择与建模**：
- 使用逻辑回归模型：

     from sklearn.linear_model import LogisticRegression
     X_train, y_train = ...  # 划分训练集和目标变量
     model_logreg = LogisticRegression()
     model_logreg.fit(X_train, y_train)

- 使用决策树模型：

     from sklearn.tree import DecisionTreeClassifier
     tree_model = DecisionTreeClassifier()
     tree_model.fit(X_train, y_train)

3. **模型评估**：
可以使用交叉验证来评估模型性能，如准确率、精确率、召回率和F1分数。

4. **数据分析可视化**：
Matplotlib或Seaborn用于创建图表展示特征与生存的关系，比如年龄分布、票价与生还率等：

   import seaborn as sns
   sns.scatterplot(x='Age', y='Survived', hue='Sex', data=data)
   plt.show()