利用Kaggle实例掌握解决机器学习问题的方法

之前撰写过一篇 一个框架解决几乎所有机器学习问题 ，但其中缺乏具体案例与代码实现，今日在 kaggle 上发现了一份质量较高的代码 Exploratory Tutorial - Titanic ，现将对其进行解析，相关源码可直接通过该链接获取。

通过阅读这篇文章，读者可以掌握一套完整的运用机器学习方法解决实际问题的流程，其中包括处理问题的基本步骤、描述性统计分析的典型手段、数据预处理的常见方式、如何从已知变量出发启发式地推导出其他潜在影响因素、使用 sklearn 构建模型的标准流程，以及当前备受关注的集成学习方法的应用方式 。

接下来正式进入主题：

在 Titanic: Machine Learning from Disaster 这一任务中，目标是依据提供的年龄、性别等因素的数据，判断哪些乘客更可能存活下来，因此这属于一个分类任务。

在处理机器学习问题时，通常遵循以下步骤：

1. 数据探索
2. 数据清洗
3. 特征工程