Titanic SVM 实验介绍视频脚本（约 5 分钟）

0:00-0:25 开场与任务说明

画面提示：展示实验报告封面或 Kaggle Titanic 题目页面。

口播：
大家好，本次实验的题目是 Kaggle 上的 Titanic - Machine Learning from Disaster。我使用 Python 语言和支持向量机 SVM，完成乘客是否生还的二分类预测。实验的主要流程包括数据读取、探索性分析、缺失值处理、结合实际背景的特征工程、SVM 模型训练与验证，最后生成 Kaggle 要求格式的提交文件。

0:25-1:05 数据集与问题理解

画面提示：展示 titanic/train.csv、test.csv 和代码中的读取部分。

口播：
训练集一共有 891 条样本，包含 PassengerId、Pclass、Name、Sex、Age、SibSp、Parch、Ticket、Fare、Cabin、Embarked 和标签 Survived。测试集有 418 条样本，没有 Survived 标签，需要模型预测。Survived 等于 1 表示乘客生还，等于 0 表示未生还。

在训练集中，整体生还率约为 38.38%。这说明数据本身并不是完全均衡的，所以后续评估时不能只看模型是否能预测多数类别，还需要观察 Precision、Recall、F1 和混淆矩阵。

1:05-2:05 结合实际背景的数据分析

画面提示：展示 outputs/metrics.json 中按性别和舱位等级统计的结果，或展示报告中的统计表。

口播：
Titanic 这个题目不能只机械地填补缺失值，还要考虑真实背景。根据训练集统计，女性乘客的生还率为 74.20%，男性乘客的生还率只有 18.89%，差异非常明显。这和历史中的“妇女和儿童优先”救援背景一致。

再看舱位等级，头等舱乘客生还率为 62.96%，二等舱为 47.28%，三等舱只有 24.24%。这说明 Pclass 和 Fare 这类字段能够反映乘客所在区域、经济条件和逃生机会，因此应该保留。

年龄方面，儿童群体的生还率也相对较高。所以在特征工程中，我没有只保留原始 Age，而是额外构造了 IsChild 和 WomanOrChild，用来体现儿童以及女性或儿童这类更可能优先获救的群体。

2:05-3:05 缺失值处理与特征工程

画面提示：展示 TitanicFeatureEngineer 类中的 fit、transform、_extract_title 部分。

口播：
数据中缺失比较明显的字段是 Age、Cabin 和 Embarked。Age 在训练集中缺失 177 个，在测试集中缺失 86 个。如果直接用全局平均数填充，会丢失很多人群差异。因此我先从 Name 中提取 Title，也就是 Mr、Mrs、Miss、Master 等称谓，再结合 Sex 和 Pclass，用分组中位数填充 Age。如果某个分组没有可用中位数，再回退到更粗的分组或全局中位数。

Cabin 缺失很多，所以我没有直接使用原始舱号文本，而是构造 HasCabin，表示是否有舱位记录。Embarked 使用训练集众数填充，Fare 使用相同舱位等级的中位数填充。

特征工程方面，除了原始的 Pclass、Sex、Age、SibSp、Parch、Fare、Embarked，我还构造了 Title、FamilySize、IsAlone、IsFemale、IsChild、WomanOrChild、HasCabin 和 AgeBand。这些特征都和 Titanic 的实际背景有关，可以帮助模型学习更有意义的分类边界。

3:05-4:00 SVM 建模流程

画面提示：展示 build_pipeline()、GridSearchCV 和模型训练部分。

口播：
模型部分使用 scikit-learn 的 Pipeline 组织完整流程。首先通过自定义的 TitanicFeatureEngineer 生成特征，然后用 ColumnTransformer 分别处理数值特征和类别特征。

数值特征使用 StandardScaler 标准化，因为 SVM 对特征尺度比较敏感。如果 Age、Fare 和 FamilySize 的数值范围差异太大，会影响距离和分类间隔的计算。类别特征使用 OneHotEncoder 进行独热编码，例如 Sex、Pclass、Embarked、Title 和 AgeBand。

分类器选择 RBF 核的 SVC。RBF 核可以处理非线性分类边界，适合 Titanic 这种由性别、年龄、舱位、家庭关系等多个因素共同影响的任务。我使用 8:2 的分层划分得到训练集和验证集，并通过 GridSearchCV 对 C 和 gamma 做小范围搜索，最终选择的最佳参数是 C 等于 10，gamma 等于 0.05。

4:00-4:40 实验结果

画面提示：展示终端运行结果、outputs/metrics.json、submission_svm.csv 和报告中的结果表。

口播：
在验证集上，模型的 Accuracy 为 0.7933，Precision 为 0.75，Recall 为 0.6957，F1 值为 0.7218。混淆矩阵中，真实未生还且预测未生还的样本为 94 个，真实未生还但预测生还的样本为 16 个；真实生还但预测未生还的样本为 21 个，真实生还且预测生还的样本为 48 个。

从结果看，模型对未生还样本的识别相对稳定，但对生还样本仍存在一定漏判。测试集预测后生成了 submission_svm.csv，共 418 行，包含 PassengerId 和 Survived 两列，符合 Kaggle 提交格式。其中预测生还 141 人，预测未生还 277 人。Kaggle 官网分数可以在后续提交后补充到报告中。

4:40-5:10 总结

画面提示：展示实验报告最后的总结部分。

口播：
本次实验让我完整实践了一个机器学习分类任务的流程。比较重要的体会是，数据预处理不能只看字段是否缺失，还要理解字段背后的业务含义。比如 Titanic 数据中女性、儿童、头等舱乘客的生还率都更高，这些实际情况应该体现在特征设计中。

同时，SVM 对特征尺度敏感，所以标准化是必要步骤。通过 Pipeline 可以把特征工程、编码、标准化和模型训练组织在一起，减少手动处理带来的错误。后续如果继续优化，可以尝试更细致的票号特征、更多交叉验证实验，或者与随机森林、梯度提升树等模型进行对比。以上就是本次实验介绍，谢谢大家。

本教程仅供 薪火杯组内成员 配置运行环境的教程，不公开项目源码。

博客迁移

迁移原因

我的博客网站的最早期版本是静态托管在 Github Pages 上的，后来由于国内访问速度过慢的原因迁移到了 Gitee Pages 托管。但今年年初 Gitee 莫名抽风，无限期暂停了 Gitee Pages 的托管服务（其实之前还有个实名认证风波，我就不应该对国内的开源社区抱有希望）。

由于 Gitee Pages 托管服务停止，我不得不重新将博客网站迁移到 Github Pages ，并决定使用 Cloudflare 的托管服务作备份。

新 年 快 乐！

这一年,遇见,获得,失去,成长,释怀,完结,我与旧事归于尽,来年依旧迎花开.

这是重邮 CTF 新生赛“红岩杯”我做出来的题的WP

千辛万苦打了一个星期，结果离三等奖还差91分呜呜呜呜

极递云课 自动签到 & 解除锁屏 & 显示教师控件 & 自动上课并切换课堂

“极递云课第三方登录器”仅 合肥皖智中学 可用（不知道莲花校区行不行），其他学校软件会无法正常登陆
“极递云课小助手”普遍适用

——写在高考日

新 年 快 乐！

所求皆如愿,所行化坦途,多喜乐,长安宁.

2020：

2020年元旦，UPUPOO转让暴毙

年初《我的三体章北海传》播出

阅前提示:

1.在断连状态下将无法接收教师端发出的文件

2.在老师讲重点的时候仍然要注意听讲

3.在较长时间后方法可能会失效

4.大部分机房都有冰点还原精灵，可以随便造