my_titanic

该项目为Kaggle经典Titanic生存数据分析，这里观察了各个特征下生存与死亡的对比，使用随机森林回归模型填补缺失年龄，其他缺失特征一般以最常见填补。 也根据特征分布构建了一些新的特征，筛选出需要的特征后，使用热图展示了相关矩阵，并得出与生存率有关的一些结论。 然后，使用XGBClassifier和sklearn中若干分类器通过GridSearchCV（网格搜索）寻找各自最佳参数，模型在验证集上的最高精度为86%多，提交的预测结果得分为0.79425。得分好像有作弊机制，即通过测试文件中的名字与其他文件中比较，直接确定存活与否，但是我们不能为了得分搞这种小动作。 最后，考察了一下模型的过拟合情况，以及展示了单变量调优（网格搜索是多变量调优）过程。