《泰坦尼克号》都知道，杰克和露丝的爱情，既美好又悲伤，在看电影的时候，不知你是否想过这样一个问题：在【泰坦尼克号】沉船事故中，什么样的人更容易生存下来呢？

作为一名程序员，我们可以通过数据来预测船员和乘客的生还状况。

实验楼上有一门课程：【利用随机森林算法预测 Titanic 乘客生还概率】，就是教你利用机器学习的方法来预测泰坦尼克号上的乘客生还概率。

如果你对机器学习感兴趣，那么推荐这个项目课程，该课程将解决分类中的 2 分类任务，即类别只有正反两类（生还或死亡）。课程包括数据清洗及可视化、模型训练及评估，以及随机森林分类器调参等内容。

课程内容：

该课程共分为3个实验，具体如下：

1、数据清洗及可视化

实验内容：

数据清洗是数据分析中非常重要的一部分，也最繁琐，做好这一步需要大量的经验和耐心。这门课程中，我将和大家一起，一步步完成这项工作。该实验学习数据清洗的基本思路以及具体操作，同时，练习使用 Pandas 数据分析工具、Seaborn 统计分析可视化工具。

实验知识点：

• 离群点分析
• 缺失值处理
• 偏态分布数据处理

2、分类模型训练及评价

实验内容：

实验将评估不同模型的测试精度以及过拟合问题。学习器没有最好，只有适不适合，模型评估和性能度量的重要性可想而知。该实验的重点在模型评估的实现过程，对分类算法不了解的不用担心，在下一个实验中，我们将对算法以及进行深入学习。

实验知识点：

• 交叉验证法
• 过拟合
• 学习曲线

3、随机森林分类器参数调节

实验内容：

该实验学习集成学习的随机森林算法，参数调节，并解决上一节实验当中遇到的过拟合问题。我们将继续使用 Python sklean 机器学习工具。

实验知识点：

• 决策树
• 集成学习
• 随机森林算法
• 参数调节

最后

如果你想知道【泰坦尼克号】上哪类人更易活下来，亦或者对机器学习感兴趣，那么点击【利用随机森林算法预测 Titanic 乘客生还概率】即可开始学习，通过自己的学习，通过数据来评估出哪类人更容易生存下来。

• 如果你对机器学习感兴趣，你也可以点击【机器学习工程师】学习路径，带你通过大量的实战操作掌握机器学习。