之前，我们已经对泰坦尼克号乘客数据进行充分的分析，并通过数据的可视化可以清楚地知道如下特征：
- 女性和儿童幸存率最高；
- 成年男性幸存率最低；
- 头等舱的乘客幸存率高，而低等舱的乘客幸存率低，即票价贵的乘客幸存率高；
- 有配偶和亲属的乘客，幸存率低；
知道这些特征，我们可以使用传统的机器学习算法，比如逻辑回归或者支持向量机可以以很高的精确度进行预测。今天，我们使用深度学习框架，建立自己的神经网络模型，进行乘客幸存率预测！
深度学习框架我们使用 tflearn ，这个框架是对 tensorflow 的高层次 API 封装，非常适合研究人员使用，建议对数据科学以及医学研究的小伙伴们可以用它来练手，个人推荐深度学习入门的必备框架之一。
原始乘客数据经过重新整理，格式如下：
引入相关库：
import numpy as np
import tflearn将首列 survived 作为标签列，按值把整个数据集进行分类，并读入相关变量中：
data, labels = load_csv('titanic_dataset.csv', target_column=0, categorical_labels=True, n_classes=2)建立一个3层全连接神经网络，输入维度为6，即：性别、年龄、船舱等级、有无配偶、有无父母、票价，每层有32个神经元，激励函数使用非线性的 softmax，输出层为逻辑回归。创建好模型后，feed 数据：
model = tflearn.DNN(net)
model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)看到如下 training 信息，而且 acc 值经过每次迭代后都在增加，说明模型创建正常：
Run id: BMC1IQ
Log directory: /tmp/tflearn_logs/
INFO:tensorflow:Summary name Accuracy/ (raw) is illegal; using Accuracy/__raw_ instead.
---------------------------------
Training samples: 1309
Validation samples: 0
--
Training Step: 1 | time: 0.188s
| Adam | epoch: 001 | loss: 0.00000 - acc: 0.0000 -- iter: 0016/1309
Training Step: 2 | total loss: 0.62606 | time: 0.194s
| Adam | epoch: 001 | loss: 0.62606 - acc: 0.2250 -- iter: 0032/1309
Training Step: 3 | total loss: 0.68283 | time: 0.197s
| Adam | epoch: 001 | loss: 0.68283 - acc: 0.3989 -- iter: 0048/1309
.....
.....接下来，我们来验证这个模型对幸存率的预测，创建两个新乘客：
TheMan = [3, 'Tom', 'male', 18, 0, 0, 5.000] # 三等舱，男，18岁，无配偶，无父母，票价5元
TheWoman = [1, 'Susan', 'female', 22, 1, 2, 100.0000] # 头等舱，女，22岁，有配偶，有父母，票价100元对上述数据进行处理，譬如将性别映射为0和1，去掉不必要的特征，譬如姓名和票号等，以便输入给 model：
def preprocess(passengers, columns_to_delete):
for column_to_delete in sorted(columns_to_delete, reverse=True):
[passenger.pop(column_to_delete) for passenger in passengers]
for i in range(len(passengers)):
passengers[i][1] = 1. if passengers[i][1] == 'female' else 0.
return np.array(passengers, dtype=np.float32)进行预测：
to_ignore = [1, 6] # 去掉 name 和 ticket 特征
TheMan, TheWoman = preprocess([TheMan, TheWoman], to_ignore)
pred = model.predict([TheMan, TheWoman])
print("TheMan Surviving Rate is:", pred[0][1])
print("TheWoman Surviving Rate is:", pred[1][1])输出为：
TheMan Surviving Rate is: 0.0733283
TheWoman Surviving Rate is: 0.870055与前篇的数据分析结果一致，三等舱的男性幸存率极低！！！
建立深度学习模型对 Titanic 数据进行预测