Be Data-literate Advanced with AI
← 타이타닉 생존 예측하기 코드 공유

[Baseline] 타이타닉 생존 예측하기

데이베어 · 2026.03.28 21:23 (수정 2026.03.28 22:57)

설명

안녕하세요, BDAI 운영진입니다. 😊

Titanic 생존 예측 챌린지 진행을 위한 베이스라인 코드를 공유드립니다.

해당 코드는 다음과 같은 기본적인 머신러닝 흐름을 담고 있습니다.

  • 데이터 불러오기
  • 전처리
  • 모델 학습
  • 성능 평가

튜토리얼 성격의 코드이므로,
전처리 방식, 사용 컬럼, 모델 등을 자유롭게 변경해보시면서 성능을 개선해보시길 바랍니다!

감사합니다 🙌

코드 다운로드 (.ipynb)

Titanic 생존 예측 튜토리얼

본 튜토리얼에서는 Titanic 데이터를 활용하여 머신러닝의 기본 흐름을 학습합니다.

목표
- 데이터 전처리 이해
- 모델 학습 과정 이해
- F1 Score 기반 성능 평가

전체 진행 과정

  1. 데이터 불러오기
  2. 피처 / 타겟 분리
  3. Train / Test 분리
  4. 전처리
  5. 모델 학습
  6. 성능 평가

⚠️ 이번 튜토리얼에서는 결과 재현을 위해 seed를 고정합니다.

import random
import numpy as np
import pandas as pd
import seaborn as sns

from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.metrics import f1_score, classification_report
from sklearn.ensemble import RandomForestClassifier

# seed 고정 (변경하지 마세요.)
SEED = 42
random.seed(SEED)
np.random.seed(SEED)

데이터 불러오기

df = sns.load_dataset("titanic")
df.head()

피처 / 타겟 분리

  • survived : 예측해야 할 정답(label)
  • 나머지 컬럼 : 입력 변수(feature)

⚠️ survived를 입력 변수에 포함하면 안 됩니다.

X = df.drop(columns=["survived"])
y = df["survived"]

사용할 컬럼 선택

학습에 사용할 컬럼을 선택합니다.

💡 이 부분은 자유롭게 수정 가능합니다.
다양한 컬럼을 사용해 성능을 개선해보세요!

numeric_features = ["age", "sibsp", "parch", "fare", "pclass"]
categorical_features = ["sex", "embarked", "alone"]

selected_features = numeric_features + categorical_features
X = X[selected_features]

Train / Test 분리

  • Train: 모델 학습용
  • Test: 모델 성능 평가 및 예측 결과 생성

⚠️ 실제 공모전에서는 Test 데이터의 정답(label)을 확인할 수 없지만,
이번 튜토리얼에서는 학습을 위해 Test label을 함께 사용하여 성능을 확인합니다.

X_train, X_test, y_train, y_test = train_test_split(
    X, y,
    test_size=0.3,
    stratify=y,
    random_state=SEED
)

전처리

모델이 데이터를 학습할 수 있도록 다음과 같은 처리를 수행합니다.

  • 결측치 처리
  • 범주형 변수 인코딩

💡 전처리 방식은 자유롭게 변경 가능합니다.

numeric_transformer = Pipeline([
    ("imputer", SimpleImputer(strategy="median")),
    ("scaler", StandardScaler())
])

categorical_transformer = Pipeline([
    ("imputer", SimpleImputer(strategy="most_frequent")),
    ("onehot", OneHotEncoder(handle_unknown="ignore"))
])

preprocessor = ColumnTransformer([
    ("num", numeric_transformer, numeric_features),
    ("cat", categorical_transformer, categorical_features)
])

모델 정의

RandomForest 모델을 사용합니다.

💡 모델은 자유롭게 변경 가능합니다.

model = RandomForestClassifier(
    n_estimators=200,
    max_depth=5,
    random_state=SEED
)

clf = Pipeline([
    ("preprocessor", preprocessor),
    ("model", model)
])

모델 학습

clf.fit(X_train, y_train)

성능 평가

이번 튜토리얼에서는 F1 Score를 사용합니다.

💡 Accuracy와 비교해보는 것도 추천합니다.

y_pred = clf.predict(X_test)

print("F1 Score:", f1_score(y_test, y_pred))
print(classification_report(y_test, y_pred))

제출 파일 생성

모델이 예측한 결과를 바탕으로 제출 파일을 생성합니다.

제출 파일은 다음과 같은 형식을 따라야 합니다.

| PassengerId | Survived |
|-------------|----------|
| 1 | 0 |
| 2 | 1 |
| ... | ... |

  • PassengerId: 각 데이터의 고유 ID (튜토리얼에서는 임의로 생성)
  • Survived: 모델이 예측한 생존 여부 (0 또는 1)

⚠️ seaborn Titanic 데이터에는 PassengerId가 포함되어 있지 않기 때문에,
제출 형식에 맞추기 위해 index를 활용하여 임의로 생성합니다.

submission = X_test.copy()

submission = submission.reset_index(drop=True)
submission["PassengerId"] = submission.index + 1
submission["Survived"] = y_pred

submission = submission[["PassengerId", "Survived"]]
submission.head()

제출 파일 저장

생성한 제출 파일을 CSV 형식으로 저장합니다.

저장된 submission.csv 파일을 제출하면 됩니다.

💡 실제 공모전에서는 test 데이터에 대해 예측한 결과를 제출하게 됩니다.

submission.to_csv("submission.csv", index=False)