如何向现有数据中添加行/条目以满足Kaggle竞赛提交要求

基础预处理：补全全量ID #

首先生成符合要求的完整PassengerId序列，和你现有数据做对齐即可拉出所有待填充的空条目，参考Python实现：

import pandas as pd
# 生成要求范围内的全量ID
full_id_df = pd.DataFrame({"PassengerId": range(250, 419)})
# 左连接合并已有数据，缺失的Survived会自动置为空
submit_df = full_id_df.merge(your_existing_data, on="PassengerId", how="left")

缺失Survived值填充方案（按优先级排序） #

• 模型预测填充（最优）
  用竞赛提供的训练集数据训练二分类模型，输入缺失Survived条目对应的乘客特征，输出0/1预测值填充即可，这是唯一能拿到有效竞赛得分的方案，常用基础模型包括逻辑回归、随机森林、XGBoost等，不需要复杂调参也能拿到合理结果。
• 基准规则填充（次优）
  如果暂时没有训练好的模型，可以用通用基准规则填充，针对泰坦尼克生存预测场景，两个常用高准确率规则：
  • 按全局多数类填充：训练集未生还乘客占比更高，所有缺失值填0，可以拿到约60%的准确率
  • 按性别规则填充：女性乘客生还率远高于男性，女性条目填1、男性条目填0，准确率可以达到75%~77%
• 随机填充（仅用于测试提交流程）
  直接随机生成0/1填充，得分波动极大，不建议用于正式提交。

提交前校验 #

填充完成后务必确认两个条件：

1. 总条目数恰好为418条，PassengerId无重复、无遗漏
2. Survived列所有值仅包含0和1，无空值、异常值
   确认无误后导出为csv文件即可提交。

内容的提问来源于stack exchange，提问作者mimilo