利用Titanic沉船数据进行乘客生存预测（基于机器学习）

简介：
本项目运用机器学习算法分析泰坦尼克号乘客的数据，旨在预测其生还概率。通过模型训练与优化，探究影响幸存的关键因素。 整理提供的数据集（例如：特征过滤、数据归一化）。从线性回归、逻辑回归、神经网络或竞赛提供的算法中选择两个进行实验，其中一个必须是课程上使用的算法，另一个可以自由选取其他算法，在Titanic数据集上执行交叉验证。 将每个数据集随机分为两份，一份用于训练，另一份用于测试。使用选定的两种算法在划分后的数据上进行测试，并记录准确率。重复此过程五次，每次选择不同的训练样本比例（例如：10%， 20%， 30%， 40%和50%）。初始比例及每次增加的比例可以自行决定。 撰写报告时，在描述部分简要介绍数据集以及所选的两个算法；在实验结果部分详细介绍实验步骤，并展示相应的测试结果。最后，讨论并总结不同训练样本比例下两种算法的表现差异及其原因分析。