Titanic — 生存予測（分類入門）
Kaggle の定番入門コンペ Titanic を題材に、EDA からベースライン提出までの流れを学びます。
概要#
Titanic - Machine Learning from Disaster は、 乗客の属性から 生存したかどうか（0/1）を予測する二値分類コンペです。 データが小さく前提知識も少なくて済むため、Kaggle と機械学習ワークフローの入門に最適です。
メモ
評価指標は Accuracy（正解率）。提出は PassengerId と予測した Survived の 2 列の CSV です。
データ#
主な特徴量は以下のとおりです。
Pclass（客室クラス）、Sex（性別）、Age（年齢）SibSp/Parch（同乗の家族数）、Fare（運賃）、Embarked（乗船港）
ベースラインの方針#
まずは最小構成で提出まで通すことを優先します。欠損を簡単に埋め、 カテゴリ変数を数値化し、ランダムフォレストで予測します。
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
train = pd.read_csv("/kaggle/input/titanic/train.csv")
test = pd.read_csv("/kaggle/input/titanic/test.csv")
features = ["Pclass", "Sex", "SibSp", "Parch"]
X = pd.get_dummies(train[features])
X_test = pd.get_dummies(test[features])
y = train["Survived"]
model = RandomForestClassifier(n_estimators=200, max_depth=5, random_state=42)
model.fit(X, y)
pred = model.predict(X_test)
submission = pd.DataFrame({"PassengerId": test["PassengerId"], "Survived": pred})
submission.to_csv("submission.csv", index=False)提出#
生成した submission.csv をコンペの Submit Predictions からアップロードすると、
Public Leaderboard にスコアが表示されます。
ヒント
最初の提出でスコアが出たら成功です。以降は特徴量（Age の補完、Fare、Embarked など）を
少しずつ加えて Cross Validation で改善していきましょう。
学習トラックで詳しく学ぶ#
このコンペの取り組みは、学習トラックで段階的に解説しています。
次のステップ#
- 欠損値補完と特徴量エンジニアリング
- 交差検証（StratifiedKFold）で安定したスコア評価
- 勾配ブースティング（LightGBM 等）への置き換え