基于机器学习算法的泰坦尼克号获救预测开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

近些年来，人工智能变得异常火爆，各类机器学习、深度学习算法也不断地推陈出新。

机器学习的最早发展是20世纪50年代，主要是神经模拟和决策理论技术，到70年代关于机器学习的研究才逐渐多起来，成为了人工智能单独的一个研究领域。

当前，关于机器学习的研究已经进入到自动化以及模式识别等领域，从理论研究逐渐开始了实践应用，而且取得了很好的成就，在商业领域的广泛应用就是很好的证明。

2. 研究的基本内容和问题

本课题是要通过一些数据特征方法来分析影响乘客存亡的因素，并用机器学习算法来进行检验。

通过建立多种机器学习算法模型，例如逻辑回归、决策树、支撑向量机等，利用已有的数据集，即泰坦尼克号上的船员和乘客的生存信息对模型进行训练，然后对新的样本集进行获救与否的预测。

综合多个算法的结果，可进一步对算法模型实现集成，之后运用一定的方法对模型进行评估和改进，从而提高模型的可行性，使得对新数据预测的结果在一定程度上既符合训练集，又接近我们的常识判断。

3. 研究的方法与方案

数据挖掘是一个比较复杂的过程，一般来说，数据挖掘首先要分析数据的选择，之后对数据进行清理，将数据之间的差异清除掉，具体包括数据清洗、数据集成等，再进行数据建模，通过模型预测结果的反馈，选择出最佳的数据特征，最后对数据特征进行分析，得出较为科学的结论。

本课题作为基于机器学习算法的一次数据挖掘实践，首先需要对原始数据进行加工和处理，其步骤可简述为：数据读取、特征理解分析、数据清洗与预处理。

其次通过建立多种分类模型，例如逻辑回归、决策树、支撑向量机等对处理后的数据进行“学习”，这一步骤可借助python语言的科学计算库实现，包括numpy科学计算库，pandas数据分析处理库，matplotlib可视化库，seaborn可视化库，scikit-learn机器学习库等。

4. 研究创新点

机器学习是现阶段解决很多人工智能问题的主流方法，作为一个独立的方向，正处于高速发展之中。

最早的机器学习算法可以追溯到20世纪初，到今天为止，已经过去了100多年。

在这100多年中，经过一代又一代人的努力，诞生出了大量经典的方法。

5. 研究计划与进展

3.1-3.10 获取数据集，并对数据集进行初步的处理。

3.11-3.20 查阅相关的资料、论文，学习数据挖掘的步骤。

3.21-4.1 运用数据挖掘的方法，进行特征的相关性分析、可视化展示