Titanic: Machine Learning from Disaster Kaggle竞赛入门学习笔记

Titanic: Machine Learning from Disaster

1. 对于实验所用数据的理解，包括对数据中异常点或离群值的识别与处理，特征工程在其中发挥着至关重要的作用。
2. 需要特别关注模型融合这一策略。

机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾

1. 在训练数据中，缺失值是常见问题，通常有以下几种应对方法：

2. 当缺失样本的比例非常高时，通常会选择直接剔除这些样本。若将其作为特征引入模型，反而可能引入噪声，从而对最终结果造成不利影响；

3. 若缺失样本比例适中，并且该属性属于非连续型特征（如类别属性），可将NaN视为一个新的类别，并将其纳入类别特征中；

4. 若缺失样本比例适中，并且该属性为连续型特征，则有时会考虑设定一个步长（例如年龄这一属性可以按每2或3岁为一个步长），将其离散化后，再将NaN作为一个类型加入到属性类别中；

5. 在某些情况下，若缺失值的数量不多，则可以尝试根据已有数据进行拟合，进而补充这些缺失值。

6. 在构建逻辑回归模型时，输入的特征必须为数值型。因此通常会对类别型特征进行因子化处理。所谓因子化是指：以Cabin为例，原本是一个单一维度的属性，但其取值可能是[‘yes’,