Kaggle项目：房价预测(1)
2.2 数据探索分析
2.2.1 分析目标变量(SalePrice)
2.2.2 分析特征变量
2.2.2.2 定量变量分析
2.2.2.3 定性变量分析（方差分析）
2.2.2.4 相关性（spearman相关系数）
3. 数据清洗
3.1 离群点处理
3.2 缺失值处理
Kaggle平台Titanic生存率预测项目(TOP3%)
https://zhuanlan.zhihu.com/p/50194676
Kaggle经典案例——泰坦尼克号
https://zhuanlan.zhihu.com/p/71840687
[kaggle数据] 泰坦尼克号生存预测分析
https://blog.csdn.net/regina67/article/details/77940640
特征工程
因为是对生存预测进行分析，所以主要是对Survived和其他变量进行可视化分析，可以在一定程度上观察他们间是否相关。
1、Pclass（乘客分集）
2、Name（字符变量）
3、Sex（二分类数据）
4、age（多分类）
5、SibSp和Parch（这个两个变量都表示家人的数量，所以把他们合并成一个变量Family）
6、Fare（费用数据）
7、Cabin（舱号二分类处理）
8、Embarked（上船的位置）
9、变量相关性
kaggle 旧金山犯罪案件分类预测
https://blog.csdn.net/iam_emily/article/details/80876042
数据分析
1、PdDistrict
2、Category
3、year/month/day
4、Day of week
5、地图坐标展示
数据处理
类别特征：Dates,Descript,DayOfWeek,PdDistrict,Resolution,Address
数值型特征：X,Y,year,month,day,hour
时间特征：date