🔍 Задание 6: Exploratory Data Analysis — Датасет Titanic

Цель: Провести разведочный анализ данных (EDA) датасета пассажиров «Титаника» для понимания факторов, влияющих на выживаемость.

---

GitVerse профили Студент: Farid Репозиторий: /urfu_itis_limits/code-review-101-Farid

📁 Источник данных

Датасет загружен из Hugging Face Datasets Hub с помощью библиотеки

:

Структура датасета:

• 891 запись (пассажиров)
• 12 признаков

---

🧹 Этап 1: Анализ пропущенных значений

💡 Вывод:

• Cabin
  почти полностью отсутствует — его нецелесообразно использовать без импутации.
• Age
  имеет умеренное количество пропусков — возможна замена медианой.
• Embarked
  — всего 2 пропуска, можно удалить или заполнить модой (
  'S'
  ).

---

🎯 Этап 2: Анализ целевой переменной (

Survived

)

💡 Вывод:
Датасет слегка несбалансирован, но пригоден для анализа. Базовая точность (всегда предсказывать «погиб») — ~62%.

---

📊 Этап 3: Статистика числовых признаков

💡 Наблюдения:

• Возраст варьируется от младенца (0.42 года) до 80 лет.
• Высокий разброс по
  Fare
  — есть выбросы (очень дорогие билеты).
• Большинство пассажиров путешествовали без родственников (
  SibSp = Parch = 0
  ).

---

📈 Этап 4: Категориальные признаки

Пол (

Sex

)

• Мужчины: 577 (64.8%)
• Женщины: 314 (35.2%)

Класс билета (

Pclass

)

• 1-й класс: 216 (24.2%)
• 2-й класс: 184 (20.7%)
• 3-й класс: 491 (55.1%)

Порт посадки (

Embarked

)

• Southampton (
  S
  ): 644 (72.3%)
• Cherbourg (
  C
  ): 168 (18.9%)
• Queenstown (
  Q
  ): 77 (8.7%)

---

🔑 Ключевые зависимости выживаемости

Анализ через визуализации и агрегатные метрики показал:

💡 Вывод:

• Пол и класс билета — сильнейшие предикторы выживаемости.
• Женщины и пассажиры 1-го класса имели существенно выше шансы на спасение.
• Это согласуется с историческим принципом «спасать женщин и детей первыми» и приоритетом для богатых пассажиров.

---

🖼️ Сгенерированные визуализации

В ходе выполнения задания автоматически созданы следующие изображения:

1. 06_titanic_target_distribution.png
   
   — Распределение выживших и погибших.

2. 06_titanic_numeric_distribution.png
   
   — Гистограммы числовых признаков (
   Age
   ,
   Fare
   ,
   SibSp
   ,
   Parch
   ).

3. 06_titanic_categorical_distribution.png
   
   — Распределение
   Sex
   ,
   Pclass
   ,
   Embarked
   .

4. 06_titanic_survival_by_features.png
   
   — Доля выживших по полу и классу билета.

Все графики сохранены в корневой директории проекта с разрешением 300 DPI для чёткости.

---

🛠️ Как запустить анализ

1. Установите зависимости:

2. Запустите скрипт:

3. В папке появятся:

   • Консольный отчёт с полной статистикой
   • 4 PNG-файла с визуализациями

---

Удалённые файлы: CONTRIBUTING.md - удален FILE_UPDATE_REPORT.md - удален README.md - создан Figure_1.png - добавлен Figure_2.png - добавлен Figure_3.png - добавлен Figure_4.png - добавлен

---

✅ Вывод

Проведённый EDA подтвердил известные исторические закономерности:
женщины, дети и пассажиры высших классов имели значительно выше шансы выжить.
Датасет готов к дальнейшему использованию в задачах машинного обучения (например, классификации выживаемости). Рекомендуется:

• Заполнить пропуски в
  Age
  медианой по
  Pclass
  и
  Sex
• Закодировать категориальные признаки (
  Sex
  ,
  Embarked
  )
• Удалить или игнорировать
  Cabin
  из-за большого числа пропусков

---

📌 Farid: студент УрФУ
Группа: РИ-150942/3 Номер задания: 9 📅 Дата: 20 ноября 2025 г.

---