准备入门机器学习了 先从kaggle的 titianic 算法开始做起
https://blog.csdn.net/qifuchenluo/article/details/67655388
https://blog.csdn.net/qifuchenluo/article/details/67655388
https://blog.csdn.net/liufang0001/article/details/77856255
https://blog.csdn.net/guoxinian/article/details/73740746i
这几篇文章实在都非常好
我自己也是按上面来的 没有用上名字啊 这些不明显的特征。。
最好成绩用的随机森林，1将年龄作值划分之后减少了过拟合，2用gridsearch调节le最优参数才完成。
值得注意的是：
1 不做处理的话 直接用随机森林一直准确率无法提高，当然调参也可以获得部分提高。
2 不做值得泛华处理的话 逻辑回归表现也不好，原因很简单，值太多影响模型训练
3 年龄作泛化处理，也不是越精细越好 也不是越粗糙越好，究竟用什么方法最好，个人认为还是哪种方法更能刻画数据本身，
哪种方法才是最好的
4 年龄作泛化处理之后，一定要再次做自动调参，找出最优参数
5 自动调参也会有过拟合 比如说最优的参数中，产生叶子节点的最小例子为1 的话，可能在训练集有比较好的结果，但是这样明显过拟合，测试时表现性能不会太好。
暂时就这么多