泰坦尼克号乘客遇难预测分析

泰坦尼克号乘客遇难预测分析
作者：撒宇航
来源：《青年与社会》2019年第07期

摘李静轩要：在机器学习中，有两大类常见的问题，一类为回归问题，另外一类为分类问题。对于回归问题的解决，常见的方法有线性回归，随机森林等。而针对分类问题，有kNN，logsitic，SVM，神经网络等算法。不同的算法在不同的问题中具有不同的效果。因此，本研究通过具体的实例“泰坦尼克号乘客遇难预测”，通过运用机器学习中的不同分类模型来分析乘客的存活是运气原因，还是存在一定的规律性。通过该对问题的研究，比较了不同机器学习分类模型的差异性以及优缺点。

关键词：遇难乘客预测;kNN;SVM;逻辑回归;神经网络

泰坦尼克号的沉没是历史上具有广泛影响的沉船事件之一，1912年42012湖北高考一分一段表月15日，在首次航行期间，泰坦尼克号撞上冰山后沉没，2224名乘客和机组人员中有1502人遇难。这场轰动的悲剧震撼了国际社会。虽然幸存下来的人存在一些运气方面的因素，但有一些人比其他人更有可能生存，比如妇女，儿童和上层阶级。我们的目标便是根据每位乘客的性别，年龄，舱

位等相关特征，来预测该乘客是否会在该次乘船事故中存活下来。训练集以及测试集，我们总共有900名左右的乘客数据，每位乘客包括10个特征，包括Pclass，Name，Sex，Age，SibSp，Parch，Ticket，Fare，机器人避障问题Cabin，Embarke。我们将拿出600名乘客数据作为我们的训练集，剩余的300名乘客的数据，用来作为我们的测试集，用于检验训练出的模型的性能。

一、分类模型构建

（一） kNN模型