R语言 titanic 数据挖掘作业

library(tidyverse)
library(caret)
library(rpart)
library(VIM)
library(car)
library(naniar)
library(mice) 
library(ggthemes)
1
2
3
4
5
6
7
8

读取数据

dat <- read.csv('titanic.csv')
nrow(dat)
1
2
3

缺失数据分析

以下程序分析数据集中缺失的数据。

sapply(dat, function(x) round(sum(is.na(x)),2))

aggr(dat, prop=FALSE, numbers=TRUE)

dat %>%
  miss_var_summary() %>%
  head()
1
2
3
4
5
6
7

统计数据集的缺失值

• 客舱变量缺失值1014个，占77.46%
• home_dest变量有564个缺失值，占43.09%
• 年龄变量缺失值263个，占20.09%
• 出发变量有2个缺失值，占0.15%
• 票价变量有1个缺失值，占0.08%

对缺失值非常严重的无