延續昨天的介紹
我們已經處理、介紹過的欄位有:PassengerId、Survived、Name、Pclass、Sex、Age

SibSp欄位:
此欄位表示兄弟姐妹或配偶的數量
先觀察各值的數量
SibSp等於0的資料佔據大多數，SibSp等於1的資料有200左右，其餘都很少

觀察SibSp與Survived的關係
我們發現SibSp在等於1、2時生存率比較高，SibSp等於0時生存率還好
SibSp大於2時生存率都變低

根據以上兩個視覺化觀察結果
我決定將SibSp等於1、2為一個特徵，將其值設為1
SibSp大於2為一個特徵，將其值設為2
SibSp等於0為一個特徵，將其值設為0

Parch欄位:
此欄位表示父母或孩子的數量
查看各值的數量

觀察Parch與Survived的關係

我們可以發現Parch等於0的值佔了非常多數，其次是1、2
其餘的少得可憐
所以我們藉由cut方法重新分組來視覺化
與qcut不一樣的是，是藉由自己輸入的區間來分組，而qcut是依照資料比例來分組
cut使用方法前面傳入欄位，後面傳入想分成的區間，以我傳入的區間來說明
分成了(-1,0 ] , (0,3 ] , (3,9 ]

之後觀察與Survived的關係

根據此區間的觀察結果
我將(-1,0 ]區間設為1，(0,3 ]區間設為2，(3,9 ]區間設為4
(-1,0 ]區間與(0,3 ]區間的資料數還算多，且對照Survived有不同的結果，所以把此兩個設為特徵
(3,9 ]的資料數太少，所以另外設成一個特徵

Ticket:欄位
此欄位為船票編號，這個欄位我不考慮使用

Fare欄位:
此欄位表示個乘客的票價，因為連續性資料，使用長條圖視覺化，並依據有無生存顯示不同顏色

根據觀察結果，我設成了三種區間(-1,15 ],(15,50 ],(50,1000 ]

可看出此三種區間對於Survived的關係能呈現鑑別度

(-1,15 ]區間設為1，(15,50 ]區間設為2，其餘設為3

從total_data.info()可看出Fare資料有一個缺失值，我使用fillna補充缺失值
我以1來補充缺失值，因為1為眾數

Cabin欄位:
此欄位為船艙號碼，超級多缺失直，這個欄位我不考慮使用

Embarked欄位:
此欄位表示登船的位置，從total_data.info()可看出有2個缺失值，其值有S、C、Q三種

觀察資料個數

觀察Embarked與Survived的關係

缺失值以S來補充，因為S為眾數

把此欄位做labelencoder轉成數字，才能拿去train

終於把全部欄位處理好了，所以說阿~資料前處理真是麻煩的工作，網路上許多文章都顯示，大部分資料科學家在訓練模型時8成的時間都在資料前處理，只花2成的時間在訓練model、調整參數

這裡先放上整個資料處理及訓練過程
https://colab.research.google.com/drive/1l--rkdk0sCxrEAGyETSxFCMrJmS147tX?usp=sharing