輸出結果
1、資料集可視化以及統計分析
ML之LoR&Bagging&RF：依次利用LoR、Bagging、RF算法對泰坦尼克号資料集 (Kaggle經典案例)獲救人員進行二分類預測(最全)（一） 
ML之LoR&Bagging&RF：依次利用LoR、Bagging、RF算法對泰坦尼克号資料集 (Kaggle經典案例)獲救人員進行二分類預測(最全)（一） ML之LoR&Bagging&RF：依次利用LoR、Bagging、RF算法對泰坦尼克号資料集 (Kaggle經典案例)獲救人員進行二分類預測(最全)（一） 2、優化baseline模型
ML之LoR&Bagging&RF：依次利用LoR、Bagging、RF算法對泰坦尼克号資料集 (Kaggle經典案例)獲救人員進行二分類預測——優化baseline模型
https://blog.csdn.net/qq_41185868/article/details/86725990 3、模型融合
ML之LoR&Bagging&RF：依次利用Bagging、RF算法對泰坦尼克号資料集 (Kaggle經典案例)獲救人員進行二分類預測——模型融合
https://blog.csdn.net/qq_41185868/article/details/86726247 設計思路
ML之LoR&Bagging&RF：依次利用LoR、Bagging、RF算法對泰坦尼克号資料集 (Kaggle經典案例)獲救人員進行二分類預測(最全)（一） ML之LoR&Bagging&RF：依次利用LoR、Bagging、RF算法對泰坦尼克号資料集 (Kaggle經典案例)獲救人員進行二分類預測(最全)（一） 
