两小时自学kaggle完成第一个竞赛（新手版）：Titanic - Machine Learning from Disaster

泰坦尼克号 - 灾难中的机器学习

1. 首先必须有最基本的python代码编写的能力，掌握最基本的库，以及对机器学习的简单算法有所了解。

2. 了解kaggle是个什么性质的平台。

   kaggle 不仅提供了丰富的数据资源和工具，还提供了各种各样的竞赛，让参与者可以用自己的算法和模型来解决实际的问题，赢取奖金和荣誉。

3. 开始竞赛，阅读题目

   泰坦尼克号的沉没是历史上最臭名昭著的沉船之一。1912 年 4 月 15 日，在她的处女航中，被广泛认为“永不沉没”的泰坦尼克号在与冰山相撞后沉没。不幸的是，没有足够的救生艇供船上的每个人使用，导致2224名乘客和船员中有1502人死亡。虽然生存有一些运气因素，但似乎有些人群比其他人更有可能生存。在这个挑战中，我们要求您构建一个预测模型，使用乘客数据（即姓名、年龄、性别、社会经济阶层等）来回答“什么样的人更有可能生存？”这个问题。

4. 引用对应的库函数

   import pandas as pd
   import numpy as np
   from sklearn.tree import DecisionTreeRegressor
   

5. 获取数据

   数据已分为两组：training set (train.csv)和test set (test.csv)

   file_path = r'E:\@DS\python练习\titanic\train.csv'
   file_path2 = r'E:\@DS\python练习\titanic\test.csv'
   data = pd.read_csv(file_path)
   data_test = pd.read_csv(file_path2)
   

   train.csv

test.csv

6. 模型选择

   因为是第一次尝试自己作预测，所以我使用的是sklearn库里自带的决策树模块DecisionTreeRegressor，目的是快速完成第一次提交。

   model = DecisionTreeRegressor(random_state=1)
   

7. 模型拟合

   使用之前创建的模型实例，使用fit拟合数据

   model.fit(data_train_x,data_train_y)
   

8. 模型预测

   使用之前创建的模型实例，使用predict预测数据

   predict_y = model.predict(data_test)
   

9. 模型评估

   这个题的模型评估是交给平台的，我的得分是0.7，看起来还不错

10. 提交数据，获取排名

    虽然评分是0.7，但是排名已经到一万三千多名去了，总共才一万四参加，之后还是得优化一下。

做完这个题目虽然时间花的很少，但确实也是做的很简陋，因为这是我第一次完成kaggle的题目，所以怀着很激动的心情，写下这篇文章，记录一下自己这一个月以来学习机器学习，之后开学了，我可以更加认真学习机器学习的理论，争取早点入门。