🚢 Analiza Przeżywalności Pasażerów: Titanic

Projekt skupia się na eksploracyjnej analizie danych (EDA) oraz budowie modeli predykcyjnych oceniających szanse na przeżycie katastrofy Titanica w oparciu o cechy demograficzne i biletowe pasażerów.

📊 Formaty Projektu do Wglądu

Wybierz wersję, którą chcesz przeanalizować:

Raport Biznesowy (HTML) 📄 Otwórz interaktywny raport HTML{: target="_blank" } Czyste podsumowanie analityczne bez bloków kodu — idealne do szybkiego przeglądu wykresów i wniosków.

Kod Źródłowy (Notebook) 💻 Przejrzyj pełny plik roboczy .ipynb Pełny proces inżynierii cech, czyszczenia danych (Pandas) oraz trenowania modeli w Pythonie.

🎯 Cel Projektu

Analiza czynników decydujących: Zbadanie wpływu płci, wieku, klasy biletu (Pclass) oraz portu zaokrętowania na przeżywalność.
Inżynieria cech (Feature Engineering): Rekonstrukcja brakujących danych o wieku, ekstrakcja tytułów (np. Mr, Miss, Master) z nazwisk oraz scalanie wielkości rodzin (SibSp + Parch).
Modelowanie: Porównanie skuteczności klasyfikatorów w przewidywaniu zmiennej binarnej Survived.

🛠️ Wykorzystane Narzędzia

Analiza i transformacja: pandas, numpy
Wizualizacja danych: seaborn, matplotlib
Machine Learning: scikit-learn