今日目標

特徵工程,建模,訓練,預測Part2
回答三個問題：
1.這邊要思考一下這麼多缺值每個都需要填補，還是該針對對OOB有幫助的特徵填補？
2.又該怎麼填補才是好的？
3.特徵就只有看到的才重要，還是我們可以組合出更重要的特徵？

看完文章您將學到什麼

學習如何思考機器學習問題，繼續探究隱藏特徵

內文

先針對三個問題回答：
1.並非每個值都需要填補，能提高OOB，上傳上Kaggle看到比較好的分數才是重點
2.如果缺值不多，可以先找其他特徵，用類似協同處理的方式填補，缺值多的話要考慮用模型預測缺失值或分群處理
3.有時候我們會認為某個特徵很重要，但上傳分數不佳，就該考慮一下該特徵要組合，捨棄，還是做其他處理
知道這些之後我們來思考一下隱藏特徵，找出資料中關聯性，可以從相同票根找乘客間關係

程式撰寫

程式部分一樣在Day16一起補上

反思回顧

在Day10我們歸納幾個可能有用的特徵，經過昨天討論:
pclass: 船票等級
ticket: 船票編號
fare: 票價
cabin: 船艙號碼
embarked: 登陸港口[c,q,s]
sibsp: 平輩數目sibling兄弟,spouses夫妻
parch: 長晚輩數目parent,children
船票隱含著姓名(sex)、票價(pclass,fare,fare,cabin,embarkrd)、艙位(cabin)、家庭人數(sibsp,parch)幾個特徵
剩下：
sex: 性別: 前天使用到了
survival: 這個是預測目標，最後會用到
age: 年齡

所以還剩age可以分析

參考資料

https://medium.com/@yulongtsai/https-medium-com-yulongtsai-titanic-top3-8e64741cc11f