机器学习数据集，解读泰坦尼克数据，有哪些字段？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

继鸢尾花数据集之后，苏南大叔来分析一下机器学习中非常著名的泰坦尼克数据集。这个数据集的标签是“survived”，而字段包括：年龄、阶层、票价、仓号、登船地、是否有亲戚同乘等等。数据表明：泰坦尼克号的乘客里面，最终谁会被救是有迹可循的。

大家好，这里是苏南大叔的“程序如此灵动”博客，这里讲述苏南大叔和计算机代码之间的故事。本文主要分析的对象是“泰坦尼克数据集”。

下载泰坦尼克数据集

泰坦尼克数据集，没有集成在sklearn里面。在网上的版本也很多，有很多字段细节和数量上的差异，大家注意鉴别。数据集地址：

• https://www.openml.org/data/get_csv/16826755/phpMYEkMl【非csv】
• https://www.openml.org/data/download/4965305/titanic.arff【非csv】
• https://web.stanford.edu/class/archive/cs/cs109/cs109.1166/stuff/titanic.csv 【推荐】
• https://biostat.app.vumc.org/wiki/pub/Main/DataSets/titanic.txt【不稳定】【迅雷可下载】
• http://hbiostat.org/data/repo/titanic3.xls
• http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic3.xls

数据集字段

不同的数据集来源都有自己的字段数据，但是大体上是相同的。

读取数据集

这里仅放一个简单的例子，作为文章内容的扩充。参考代码：

import pandas as pd
url = 'https://web.stanford.edu/class/archive/cs/cs109/cs109.1166/stuff/titanic.csv'
titanic = pd.read_csv(url)
print(titanic.head())

参考文章

• https://www.openml.org/search?type=data&sort=runs&id=40945&status=active
• https://tensorflow.google.cn/datasets/catalog/titanic
• https://www.kaggle.com/c/titanic/data
• https://www.kaggle.com/c/titanic/
• https://www.openml.org/d/40704
• https://www.openml.org/d/40945

更多文章

后续将对这个泰坦尼克数据集进行多方位的分析，比如：如何处理数据缺失？如何处理数据异常？如何对数据进行预测？更多精彩文章，请点击：

• https://newsn.net/tag/机器学习/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。