這個系列博客純粹爲了記錄一下自己學習kaggle的相關內容，也是跟着別人一步步學習。
都推薦從泰坦尼克之災和房價預測兩個項目入門kaggle。
這裏就先學習一下泰坦尼克之災。
首先在kaggle官網上下載了數據集。
一個train.csv用於訓練，一個test.csv用於驗證模型，一個gender_submission.csv是提交格式的示例。
看過一些大神們分享的經驗，對數據的認識非常非常重要，關係到後面對數據的處理和特徵工程，所以這裏先來認識一下titanic的數據。
先讀入數據，使用的編輯器是jupyter notebook。
import pandas as pd
import numpy as np
from pandas import Series,DataFrame
data_train = pd.read_csv("data/train.csv")
data_train
一共12列，891個樣本的數據。
每一列代表：
- PassengerId：乘客ID
- Survived：是否獲救
- Pclass：乘客的艙位等級
- Name：乘客姓名
- Sex：乘客性別
- Sib Sp：堂兄弟/妹個數
- Parch：父母與小孩的個數
- Ticket：船票信息
- Fare：票價
- Cabin：客艙
- Embarked：登船港口
簡明的看一下數據的情況。
data_train.info()
可以看到像cabin這一列缺的數據非常多，age這一項也有一些缺失。
下面可以看一下數值型數據的整體情況。
data_train.describe()
