TP 6 — Mini-Projet : Challenge Titanic

🎯 Objectifs

• Mener un projet de Data Science de A à Z.
• Participer (fictivement) à une compétition Kaggle.
• Appliquer toutes les notions vues en cours.

1. Le Contexte

Le naufrage du Titanic est l’un des plus célèbres de l’histoire. Votre mission : Créer un modèle capable de prédire quels passagers ont survécu au naufrage.

Les données sont disponibles ici : Titanic Dataset (Seaborn) ou sur Kaggle.

2. Cahier des Charges

Votre notebook doit contenir les sections suivantes :

A. Analyse Exploratoire (EDA)

• Quel est le taux de survie global ?
• Les femmes ont-elles plus survécu que les hommes ? (Visualisez avec un barplot).
• Les passagers de 1ère classe ont-ils plus survécu ?
• Quel est l’impact de l’âge ?
• Y a-t-il des valeurs manquantes ? (Indice : Age et Deck en ont souvent).

B. Prétraitement (Preprocessing)

C’est l’étape la plus importante.

1. Nettoyage : Que faire des âges manquants ? (Remplacer par la médiane ?). Supprimer la colonne Deck trop vide ?
2. Encodage : Les algorithmes ne comprennent pas “male”/“female”. Transformez-les en 0/1. Idem pour la ville d’embarquement.
3. Sélection : Gardez les colonnes pertinentes (ex: pclass, sex, age, fare, sibsp).

C. Modélisation

Testez au moins 3 algorithmes différents :

1. KNN (Pensez à normaliser les données !).
2. Régression Logistique (C’est de la classification malgré son nom).
3. Random Forest (Souvent très performant sur ce dataset).

D. Évaluation et Optimisation

1. Utilisez la validation croisée (cross_val_score) pour avoir une estimation fiable.
2. Essayez d’optimiser les hyperparamètres du meilleur modèle (ex: n_neighbors pour KNN, n_estimators pour Random Forest) avec GridSearchCV.

3. Critères d’évaluation

• Rigueur de la démarche (Train/Test split respecté, métriques adaptées).
• Qualité du code (commentaires, noms de variables clairs).
• Visualisation (graphiques pertinents et titrés).
• Performance (Essayez de dépasser 80% d’accuracy !).

Bonne chance ! 🚢