泰坦尼克号生存预测：传统机器学习与深度学习的对比实践

本项目以泰坦尼克号乘客数据集为基础，对比传统机器学习与深度学习方法在生存预测任务中的性能，重点关注不平衡数据集处理及F1分数评估指标的应用。项目涵盖数据预处理、特征工程、模型构建与评估等完整流程，旨在探索不同算法的适用场景与实践价值。

泰坦尼克号沉船事件是数据科学经典案例，本项目构建生存预测系统的核心目标不仅是准确性，更在于探索不平衡数据集下的模型评估方法及两种范式的表现差异。数据不平衡时准确率易虚高，故选择F1分数（精确率与召回率调和平均）作为主要评估指标。

泰坦尼克数据集含人口统计（年龄、性别、舱位等级）、家庭关系（兄弟姐妹/配偶数量、父母/子女数量）、登船港口等特征。特征工程需处理缺失值（如年龄中位数填充）、分类变量编码（标签/独热编码），还可提取姓名/船票隐含特征（如姓氏家庭关系、船票前缀舱位类型）。

实现逻辑回归（基线模型、可解释性强）、随机森林（集成树抗过拟合）、支持向量机（高维最优平面）、梯度提升树（串行弱学习器）等模型。调优采用网格搜索+交叉验证，不平衡数据通过类别权重调整或过采样改善少数类识别能力。

神经网络架构含输入层（特征维度决定神经元数）、隐藏层（深度宽度影响表达能力）、输出层（Sigmoid激活二分类）。训练用反向传播计算梯度，优化器（Adam/SGD）更新权重，通过Dropout、早停、L2正则化防止过拟合，学习率需合理设置。

以F1分数为主要评估指标，混淆矩阵提供全面性能视图（精确率、召回率等）。对比结果：小规模结构化数据上，精心调优的传统模型性能与深度学习相当甚至更好，且训练更快、可解释性更强；深度学习优势在大规模复杂数据中体现。

项目展示数据科学完整生命周期，关键收获：评估指标需结合业务与数据特点；无绝对最优算法，仅适合特定问题；传统模型中特征工程仍重要；深度学习非所有问题最优解。经验对竞赛、业务建模、学术研究有参考价值。