Förstå din klassificeringsdata

Nu ska du börja modellera med ett nytt dataset för ett klassificeringsproblem. Datasetet innehåller information om passagerare på Titanic. Du kommer att använda prediktorer som age, fare och varifrån varje passagerare gick ombord för att förutsäga vem som överlever. Datan är hämtad från en handledning om datavetenskapstävlingar. Se här för beskrivningar av särdragen.

Datan är förinläst i en pandas DataFrame som heter df.

Det är klokt att granska max- och minvärden för varje variabel för att säkerställa att datan är korrekt formaterad och inte skadad. Vad var den högsta åldern bland passagerarna på Titanic? Använd metoden .describe() i IPython Shell för att svara på frågan.