Analise de dados do dataset - Titanic - Kaggle
Vinicius de Sousa - Cientista de dados
2019-05-11
Desafio Kaggle
O naufrágio do RMS Titanic é um dos mais infames naufrágios da história. Em 15 de abril de 1912, durante sua viagem inaugural, o Titanic afundou depois de colidir com um iceberg, matando 1502 de 2224 passageiros e tripulantes. Essa tragédia sensacional chocou a comunidade internacional e levou a melhores normas de segurança para os navios.
Uma das razões pelas quais o naufrágio causou tamanha perda de vidas foi que não havia botes salva-vidas suficientes para os passageiros e a tripulação. Embora houvesse algum elemento de sorte envolvido na sobrevivência do naufrágio, alguns grupos de pessoas tinham maior probabilidade de sobreviver do que outros, como mulheres, crianças e a classe alta.
Neste desafio, pedimos que você conclua a análise de quais tipos de pessoas provavelmente sobreviveriam. Em particular, pedimos que você aplique as ferramentas de aprendizado de máquina para prever quais passageiros sobreviveram à tragédia.
Nesse relátorio contém:
- Análise exploratória de dados
- Engenharia de recursos
- Modelgem do problema com R e H2O.ai
- Resultados da modelagem
Análise exploratória de dados
Nesta análise exploratória verificamos padrões nos dados levantando estatísticas descritivas, tabelas cruzadas, dados faltantes e dados anomalos.
|
PassengerId
|
Survived
|
Pclass
|
Name
|
Sex
|
Age
|
SibSp
|
Parch
|
Ticket
|
Fare
|
Cabin
|
Embarked
|
|
1
|
0
|
3
|
Braund, Mr. Owen Harris
|
male
|
22
|
1
|
0
|
A/5 21171
|
7.2500
|
|
S
|
|
2
|
1
|
1
|
Cumings, Mrs. John Bradley (Florence Briggs Thayer)
|
female
|
38
|
1
|
0
|
PC 17599
|
71.2833
|
C85
|
C
|
|
3
|
1
|
3
|
Heikkinen, Miss. Laina
|
female
|
26
|
0
|
0
|
STON/O2. 3101282
|
7.9250
|
|
S
|
- Verificação de dados faltantes com o pacote Amelia:
- Gráficos de dados categóricos cruzados com a variável alvo:
- Gráficos de dados contínuos cruzados com a variável alvo:
#> Warning: Transformation introduced infinite values in continuous y-axis
#> Warning: Removed 15 rows containing non-finite values (stat_boxplot).
#> Warning: Removed 177 rows containing non-finite values (stat_boxplot).
Engenharia de recursos
De acordo com a analise exploratoria e o entendimento do problema a primeira hipotese é que os sobreviventes eram na sua maioria mulheres e crianças de classe alta e praticamente com relações familiares de primeiro grau, a segunda hipotese é que os homens de primeira classe tem uma chance maior de sobreviver.