spaceship_titanic_4slides

1.

01 / 04
KAGGLE COMPETITION / DATASET BRIEF
Spaceship Titanic
Бинарная классификация пассажиров космического лайнера
ЦЕЛЬ
Предсказать, был ли пассажир перенесён в другое измерение: Transported = True / False.
8 693
4 277
4 277
строки train.csv
строк test.csv
строк submission
14 столбцов, включая целевой
13 входных столбцов, без цели
по одному прогнозу на пассажира
Тип задачи: supervised learning → бинарная классификация; входные признаки смешанные — числовые, категориальные и текстовые.

2.

SPACESHIP TITANIC / 02
02 / 04
Переменные: что означает каждый блок
Состав полей проверен по train.csv и test.csv из приложенного архива.
Идентификатор
Категориальные признаки
Размещение
ID / ТЕКСТ
КАТЕГОРИИ / BOOL
ТЕКСТОВАЯ СТРУКТУРА
PassengerId — уникальный ID; формат
группы_номер.
Name — имя пассажира (текст).
HomePlanet — планета; Destination — пункт
назначения.
CryoSleep и VIP — логические True/False.
Cabin — строка вида палуба/номер/сторона.
Составной текстовый признак, не обычное
число.
Возраст
Расходы на борту
Целевая переменная
ЧИСЛОВОЙ
ЧИСЛОВЫЕ
ЦЕЛЬ / 2 КЛАССА
Age — числовой признак, годы.
В train: 0–79; 179 пропусков.
RoomService, FoodCourt, ShoppingMall, Spa,
VRDeck — числовые суммы расходов; значения
неотрицательные.
Transported — логический класс True / False.
Есть только в train.csv; в test.csv скрыт.
Итого по типам
Числовые: Age + 5 расходов • Категориальные: HomePlanet, Destination • Логические: CryoSleep, VIP, Transported • Текст / ID:
PassengerId, Cabin, Name
KAGGLE COMPETITION • DATASET OVERVIEW

3.

SPACESHIP TITANIC / 03
03 / 04
Диапазоны, пропуски и выбросы
Диапазоны рассчитаны по обучающей выборке; выбросы — ориентировочно по правилу 1,5 × IQR.
ЧИСЛОВЫЕ ДИАПАЗОНЫ
КАЧЕСТВО ДАННЫХ
Пропуски
В train: 179–217 пропусков на столбец признаков
(≈2,1–2,5%).
Age
0–79 лет
179 пропусков
RoomService
0–14 327
181 пропуск
FoodCourt
0–29 813
183 пропуска
Нули и асимметрия
ShoppingMall
0–23 492
208 пропусков
У всех 5 расходов минимум 0; медиана каждого столбца равна 0.
Распределения сильно смещены вправо.
Spa
0–22 408
183 пропуска
VRDeck
0–24 133
188 пропусков
Выбросы
Целевая переменная в train почти сбалансирована: True — 4 378 (50,4%), False — 4 315 (49,6%).
KAGGLE COMPETITION • DATASET OVERVIEW
По IQR-правилу в каждом расходе примерно 1,8 тыс.
высоких значений. Это потенциальные выбросы, не
обязательно ошибки.

4.

SPACESHIP TITANIC / 04
04 / 04
Какие выходные данные требуются
Формат результата задан файлом sample_submission.csv.
sample_submission.csv
ТРЕБОВАНИЯ К ФАЙЛУ
4 277 строк — ровно по числу записей в test.csv.
2 столбца: PassengerId и Transported.
PassengerId должен соответствовать test.csv.
True
Transported — булево значение True или False.
False
Заголовки и порядок столбцов — как в sample_submission.csv.
PassengerId
Transported
0013_01
False
0018_01
0019_01
Важно
Это не прогноз числовой величины и не генерация текста: итог — один из двух классов для каждого пассажира
тестовой выборки.
Источник данных: приложенный архив Kaggle Spaceship Titanic (train.csv, test.csv, sample_submission.csv).
KAGGLE COMPETITION • DATASET OVERVIEW