项目名称：泰坦尼克号生存率预测1.导入数据
这里使用kaggle kernel编写代码
数据下载地址为：https://www.kaggle.com/c/titanic
2.数据统计分析
通过describe和info方法，我们可以发现Age，Cabin，Embarked和Fare的数据都有不同程度的缺失，同时Age和Fare的数据存在错误的数据。
3.数据清洗
a）首先对数据类型缺失值的处理
这里使用fiilna方法进行填充，填充值为平均值。
b）字符串类型缺失数据的处理
4.特征提取
数值类型：直接使用
时间序列：转成单独的年、月、日
分类数据：用数值代替类别，One-hot编码
这里分类数据又分为：有类别的以及字符串，有类别的包括Sex，Embarked以及Pclass，字符串则包括：Name，Cabin以及Ticket
分类数据的特征提取：性别
分类数据的特征提取：登船港口，客舱等级
这里使用get_dummies方法来进行one-hot编码
分类数据的特征提取：姓名
先定义一个提取姓名中名称的函数，使用的是split方法
再用map和get_dummies函数进行处理
分类数据的特征提取：客舱号
分类数据的特征提取：家庭类别
这里通过分类，将家庭规模分为单个，小家庭以及大家庭并存储至familyDf数据集中
特征选择：使用corr分析各个数据
这里将与生存率有关的相关系数进行降序排列，看看谁与生存率的关系最大
5.构建模型
首先使用train_test_split函数用于将矩阵随机划分为训练子集和测试子集，并返回划分好的训练集测试集样本和训练集测试集标签。
再使用LogisticRegression进行逻辑回归的模型进行训练
评估模型：这里使用model.score方法对模型进行评估，最终得到模型的准确率为0.8。
6.方案实施
