تحليل مجموعة بيانات Titanic

تحليل مجموعة بيانات Titanic باستخدام لغة بايثون لأغراض تعليمية. يمر تحليل هذه البيانات بعدة مراحل رئيسة بدءاً من تحليل البيانات وصولاً الى بناء نموذج التعلم الالي: 1- فهم البيانات: تحتوي المجموعة على عدة متغيرات (أعمدة) أساسية لكل راكب، مثل اسمه، نجاته، الدرجة التي ركب فيها، جنسه، و اخرى. 2- التنظيف و معالجة البيانات Data Preprocessing: معالجة القيم المفقودة، ترميز المتغيرات الفئوية (Encoding Categorical Variables)، انشاء السمات الجديدة (Feature Engineering). 3- التحليل الاستكشافي للبيانات (Exploratory Data Analysis - EDA): يتضمن هذا الجزء استخدام أدوات مثل Python (Pandas, Matplotlib, Seaborn) لكشف الأنماط والرؤى مثل معدل النجاة الإجمالي، تحليل حسب الجنس، تحليل حسب الدرجة التي ركب فيها الراكب. 4- بناء نموذج التعلم الآلي (Machine Learning Modeling): في هذه المرحلة، الهدف هو تدريب نموذج للتنبؤ بفرصة النجاة: يتم تقسيم مجموعة البيانات إلى مجموعة تدريب (Training Set) لتعليم النموذج ومجموعة اختبار (Testing Set) لتقييم أدائه. اختيار الخوارزمية: اختيار خوارزمية تصنيف (Classification) مناسبة، مثل: الانحدار اللوجستي (Logistic Regression). التدريب والتقييم: تدريب النموذج على مجموعة التدريب ثم تقييم أدائه على مجموعة الاختبار باستخدام مقاييس مثل الدقة (Accuracy).