[论文解读] Classification of Titanic Passenger Data and Chances of Surviving the Disaster

John Sherlock, Manoj Muniswamaiah+2 more|arXiv (Cornell University)|Oct 22, 2018

Maritime Navigation and Safety被引用 13

一句话总结

本研究使用Weka数据挖掘工具分析泰坦尼克号乘客数据，识别影响生存的关键因素。研究发现，乘客舱位等级、年龄以及登船港口显著影响生存几率，头等舱乘客和儿童的生存率更高。

ABSTRACT

While the Titanic disaster occurred just over 100 years ago, it still attracts researchers looking for understanding as to why some passengers survived while others perished. With the use of a modern data mining tools (Weka) and an available dataset we take a look at what factors or classifications of passengers have a persuasive relationship towards survival for passengers that took that fateful trip on April 10, 1912. The analysis looks to identify characteristics of passengers cabin class, age, point of departure and that relationship to the chance of survival for the disaster.

研究动机与目标

• 探究泰坦尼克号乘客特征与生存率之间的关系。
• 识别与生存最密切相关的人口统计学和旅行因素。
• 应用现代数据挖掘技术分析历史灾难数据，以获得可操作的见解。
• 提供对1912年泰坦尼克号航行中生存模式的清晰、数据驱动的理解。

提出的方法

• 使用Weka机器学习平台进行数据分类与分析。
• 处理一个公开可用的泰坦尼克号乘客数据集，其中包含舱位等级、年龄、性别和登船港口等属性。
• 应用分类算法，基于乘客特征建立生存概率模型。
• 通过探索性数据分析评估特征分布与生存结果。
• 利用统计模式识别生存的关键预测因子。
• 通过交叉列联表分析不同分类变量（如舱位等级和年龄组）的生存率，验证结果。

实验结果

研究问题

• RQ1 哪些乘客特征最能预测泰坦尼克号上的生存？
• RQ2 乘客舱位等级如何影响生存可能性？
• RQ3 年龄在生存结果中起什么作用，特别是对儿童而言？
• RQ4 登船港口与生存率之间有何关联？
• RQ5 基于性别与社会经济地位，是否存在可观测的生存模式？

主要发现

• 乘客舱位等级是生存的重要预测因子，头等舱乘客的生存率最高。
• 14岁以下儿童的生存率显著高于成年人。
• 从法国瑟堡登船的乘客生存率略高于其他港口的乘客。
• 高社会经济地位（头等舱）与年轻相结合，显著提高了生存几率。
• 数据显示，救援协议可能优先考虑了妇女和儿童，尤其是在高阶舱位中。
• 年龄与舱位等级共同构成了强大的生存预测模型，其表现优于单独使用任一因素。