【kaggle】タイタニックのコンペ（1）

Kaggleで定番のタイタニック号の生存者の分析をPythonで行う記録。

↓コンペのサイトはここです。
Titanic: Machine Learning from Disaster | Kaggle

Pythonによる分析の一例をManav Sehgalさんのカーネルを参考に（と言いうかこれに沿って）行います。
↓Manav Sehgalさんの分析手順はここで確認ができます。
Titanic Data Science Solutions | Kaggle

1.Kaggleのコンペの一般的な分析手順

1.問題を確認する。
2.テストデータとトレーニングデータを入手する。
3.データを分析がしやすいカタチに整える。
4.データを分析し、データのパターンを読み取り、データを理解する。
5.適切な予測モデルを作成、適用し、問題を解決する。
6.視覚化やレポートの作成を行い、課題を解決するまでのステップ及び最終結果を整理する。
7.結果をKaggleのコンペに提出する。
※これらは一般的な手順ですが、臨機応変に分析手順を変更します。3.の前に視覚化を行うなど。

2.今回の問題を確認する。

・タイタニック号には2,224名の乗客とクルーがいたが、氷山との追突事後で、1,502名が亡くなった。
・性別や搭乗クラスなど属性と生存の有無が記されているトレーニングデータを使用し、テストデータの乗客の生存について予測すること。

3.データサイエンスによる課題解決へワークフローには次の7つのゴールがある。

・分類（Classifying）：標本を属性を基に分類する。属性から相関の可能性などを考察する。
・相関（Correlating）：属性（定量的データ、質的なデータ）と求めるゴール（今回の場合生存の有無）の相関について検証する。
・変換（Converting）：適用するモデルに合わせて、定量的データを質的なデータに変換する（逆もしかり）。
・補完（Completing）：欠損値の扱いを決める。（例：平均値で埋める）
・補正（Correcting）：標本から異常値を補正または取り除く。
・作成（Creating）：既存の属性からモデルに必要な属性を作成、追加する。
・作図（Charting）：分析の結果を視覚的に分かるように示す。