本项目基于经典的泰坦尼克号乘客数据，完成了从数据清洗、可视化分析到机器学习建模的完整流程，旨在探索影响乘客生存概率的关键因素，并构建预测模型。主要工作内容包括：数据预处理：处理缺失值（如年龄、登船港口等），提取特征（如客舱等级、家庭成员数），并构造衍生变量（如“是否独自一人”等）。可视化分析：利用 Seaborn 和 Matplotlib 进行数据探索，如性别、年龄、舱位与生存率的关系分析。建模与评估：使用 Scikit-learn 构建逻辑回归模型，评估其准确率与混淆矩阵等指标，探索模型在实际预测中的表现。展示与复现：通过 Jupyter Notebook 全流程演示，图表与代码相结合，逻辑清晰、易于理解。该项目体现了我在 数据清洗、EDA可视化、特征工程与模型构建 方面的实战能力，适合作为数据分析、AI建模等项目的参考案例。