[Kaggle实战] Titanic 逃生预测 (1) - 项目起步

这次实战的Kaggle比赛，其实只是其中一个没有奖金的公益比赛。

主页： http://www.kaggle.com/c/titanic-gettingStarted

主题是：

Titanic: Machine Learning from Disaster

在比赛之中，官方给出了一些原始的一半的数据作为比赛用的训练集与测试集。另外一半作为官方自己的测试集。最后成绩评定也是会使用官方自己留着的一半数据进行评比。

注意： 有一个取巧的方式，那就是去网上去搜索全部原始数据并依此为基础提交算法。 好吧，我用的是比这个笨的方法:)

 

 

在这里介绍一下，我比较擅长的是java，并且也希望使用java完成这次比赛。

如果希望使用Python，可以参考：http://triangleinequality.wordpress.com/2013/09/05/a-complete-guide-to-getting-0-79903-in-kaggles-titanic-competition-with-python/

 

为了完成这次比赛，首先需要下载官方的数据集。

 训练集用Excel打开之后的样子：

 

下面解释一下训练集之中的数据：

PassengerId	旅客ID	这条数据应该没啥用
Survived	是否活下来了，1:yes  0:no	这个应该是对我们很有用的一个数据
Pclass	旅客等级 1 2 3 分别代表不同的等级
Name	名字
Sex	性别
Age	年龄
SibSp	有多少兄弟姐妹/配偶同船 Number of Siblings/Spouses Aboard
Parch	有多少父母/子女同船 Number of Parents/Children Aboard
Ticket	船票号码？
Fare	船票收费
Cabin	所在小屋
Embarked	登船城市 Port of Embarkation	C Q S 分别代表不同的城市

 

最后，在打开看了一下训练数据之后，第一反应就是使用决策树来实现预测功能。

 

下一篇文章将讲诉我是如何进行 数据预处理 的