kaggle：titanic

整个过程可以概括为：训练数据中进行数据清洗，特征提取，模型构建，训练和验证。之后在测试数据中进行相同的步骤，在模型构建后进行预测分类。
数据清洗和特征提取：如果某一列的缺省值很多可以删除该列 eg : del train[‘Sex’]
可以对特征进行onehot编码，如果对应的特征不是数字可以先转化成标签。

sex_label就是类似于[0,0,1,0,1,1…]的标签集
sex_oh是类似于[[1,0],[1,0],[0,1],[1,0]…]的onehot形式
对数据进行归一化处理：

StanddardScaler()是数据减去均值再除以方差。
预测空缺的年纪并补全：使用随机森林进行预测。
模型的构建：分类问题可以选择逻辑回归，决策树等方法。
对训练数据进行切分，提取一部分训练，一部分测试。

之后fit训练部分的数据进行训练，使用测试部分数据判断训练结果（model.score(x_ts,y_ts)）
对test部分进行预测：
将test数据进行和train数据相同的处理。之后使用之前的模型进行预测

整个过程用到了很多sklearnde的方法：
sklearn.preprocessing.LabelEncoder
将离散的特征用标签标示，例如将[male,female]用[0,1]来表示。
sklearn.prtprocessing.Onehotencoder
将[0,1,2]之类的标签用one_hot来表示，例如[0,1,2]用[[1,0,0],[0,1,0],[0,0,1]]表示。0,1,2三个特征量之间的距离不等，换成one-hot之后三个等价。
注意如果数据是一列需要对其reshape(-1,1)，最后把其加入列表使用。
sklearn.preprocessing.StandardScaler
标准化函数，减去均值除以方差。
sklearn.preprocessing.RandomForestRegressor 随机森林回归
使用这个方法进行年龄的预测，将训练数据fit进去学习，使用prediction对未知的进行预测。
sklearn.model_selection.train_test_split
按比例对数据进行划分，一部分用于测试，一部分用于训练
sklearn.linear_model.LogisticRegression
逻辑回归模型实现预测 lr.fit() 填充训练数据进行训练，lr.predict()进行预测。