Titanic 是我第一次把数据分析、特征工程、建模、验证和提交串成完整流程的练习。数据集规模不大，但非常适合暴露表格任务中的基础问题。
从问题与数据开始
目标是根据乘客信息预测是否生还。最初先检查字段类型、缺失值与标签分布，再分别观察年龄、性别、舱位等级等变量和生还率的关系。
bins = [0, 12, 18, 65, 100]
train["age_group"] = pd.cut(train["Age"], bins)
train.groupby("age_group", observed=True)["Survived"].mean()可视化并不是为了“图更好看”，而是为了形成可以继续验证的假设。例如，年龄本身可能不是线性影响，但划分年龄段后更容易观察儿童与成年乘客的差异。
特征工程
姓名看起来像自由文本，但称谓（Mr、Mrs、Miss 等）同时包含性别、年龄与社会身份信息，可以从姓名中提取：
train["Title"] = train["Name"].str.extract(r" ([A-Za-z]+)\.", expand=False)此外还可以构造家庭人数、是否独自出行等特征。每次新增特征都应该通过固定验证方案判断是否真正有效，而不是只看训练集表现。
这次实践留下的方法
- 先做稳定 Baseline，再增加复杂度；
- 所有预处理都放进 Pipeline；
- 训练集与测试集必须使用完全一致的转换；
- 比单次分数更重要的是可复现的验证过程。
这次练习没有把排行榜名次作为主要目标，而是建立了以后参加表格竞赛可以复用的第一套流程。