#泰坦尼克号幸存者预测
泰坦尼克号幸存者预测
泰坦尼克号训练数据见百度网盘:
链接:https://pan.baidu.com/s/1yHvYb2usyW24LqacHk9-Dw
提取码:p1do
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import cross_val_score
import matplotlib.pyplot as pltdata = pd.read_csv(r"./taitan_data.csv")data.head()data.info()#删除缺失值过多的列,和观察判断来说和预测的y没有关系的列
data.drop(["Cabin","Name","Ticket"],inplace=True,axis=1)#处理缺失值,对缺失值较多的列进行填补,有一些特征只确实一两个值,可以采取直接删除记录的方法
data["Age"] = data["Age"].fillna(data["Age"].mean())
data = data.dropna()#将分类变量转换为数值型变量#将二分类变量转换为数值型变量
#astype能够将一个pandas对象转换为某种类型,和apply(int(x))不同,astype可以将文本类转换为数字,用这个方式可以很便捷地将二分类特征转换为0~1
data["Sex"] = (data["Sex"]== "male").astype("int")#将三分类变量转换为数值型变量
labels = data["Embarked"].unique().tolist()
data["Embarked"] = data["Embarked"].apply(lambda x: labels.index(x))#查看处理后的数据集
data.head()data.head()X = data.iloc[:,data.columns != "Survived"]
y = data.iloc[:,data.columns == "Survived"]from sklearn.model_selection import train_test_split
Xtrain, Xtest, Ytrain, Ytest = train_test_split(X,y,test_size=0.3)#修正测试集和训练集的索引
for i in [Xtrain, Xtest, Ytrain, Ytest]:i.index = range(i.shape[0])#查看分好的训练集和测试集
Xtrain.head()clf = DecisionTreeClassifier(random_state=25)
clf = clf.fit(Xtrain, Ytrain)
score_ = clf.score(Xtest, Ytest)score_score = cross_val_score(clf,X,y,cv=10).mean()scoretr = []
te = []
for i in range(10):clf = DecisionTreeClassifier(random_state=25,max_depth=i+1,criterion="entropy")clf = clf.fit(Xtrain, Ytrain)score_tr = clf.score(Xtrain,Ytrain)score_te = cross_val_score(clf,X,y,cv=10).mean()tr.append(score_tr)te.append(score_te)
print(max(te))
plt.plot(range(1,11),tr,color="red",label="train")
plt.plot(range(1,11),te,color="blue",label="test")
plt.xticks(range(1,11))
plt.legend()
plt.show()import numpy as np
gini_thresholds = np.linspace(0,0.5,20)parameters = {'splitter':('best','random'),'criterion':("gini","entropy"),"max_depth":[*range(1,10)],'min_samples_leaf':[*range(1,50,5)],'min_impurity_decrease':[*np.linspace(0,0.5,20)]}clf = DecisionTreeClassifier(random_state=25)
GS = GridSearchCV(clf, parameters, cv=10)
GS.fit(Xtrain,Ytrain)GS.best_params_GS.best_score_GS.best_estimator_GS.best_params_
#泰坦尼克号幸存者预测相关推荐
- 决策树入门案例:泰坦尼克号幸存者预测
决策树 1 概述 1.1 决策树是如何工作的 1.2 分类树 DecisionTreeClassifier 1.3 回归树 DecisionTreeRegressor 1.4 案例练习 1. 用回归树 ...
- 机器学习-泰坦尼克号幸存者预测
机器学习-泰坦尼克号幸存者预测 泰坦尼克灾难数据描述 PassengerId:乘客的ID号,这个是顺序编号,用来唯一标识一名乘客.这个特征和幸存与否无关,我们不使用这个特征. Survived:1表示 ...
- 特征工程实践:泰坦尼克号幸存者预测
文章目录 泰坦尼克号幸存者预测 泰坦尼克号幸存者预测 数据集下载地址:https://www.kaggle.com/c/titanic/data . 本案例主要展示特征工程对数据集的处理方法,模型只选 ...
- sklearn决策树--泰坦尼克号幸存者预测
决策树的原理即利用不同的最优特征选择方法,优先选择样本纯度最高的特征来进行样本分类.其中: 使用信息增益的决策树算法为 ID3: 使用信息增益率的决策树算法为 C4.5: 使用Gini指 ...
- 机器学习实战(入门级) ------ Kaggle 泰坦尼克号幸存者预测 (随机森林,KNN,SVM)
文章目录 前言 数据集介绍 gender_submision.csv: train.csv: test.csv 数据清洗 数据预处理 缺失值填充 数据优化 训练过程 SVM 完整代码 KNN K-Me ...
- 《scikit-learn机器学习》决策树③ -泰坦尼克号幸存者预测【思路+代码】
泰坦尼克号预测: 1.思路 1.1 数据处理 1.2 选择模型并训练 1.3 用前剪枝对模型进行优化 1.4 试试其他的决策树模型 2.具体代码实现(代码来源于本书,不做详细解释) 2.1 数据处理 ...
- 【1 - 决策树 - 案例部分:泰坦尼克号幸存者预测】菜菜sklearn机器学习
课程地址:<菜菜的机器学习sklearn课堂>_哔哩哔哩_bilibili 第一期:sklearn入门 & 决策树在sklearn中的实现 第二期:随机森林在sklearn中的实现 ...
- python泰坦尼克号数据预测_泰坦尼克号幸存者预测 python 详解
泰坦尼克号幸存数据,压缩包第一个 #读取数据 import pandas as pd data = pd.read_csv(r"C:\Users\lhf\PycharmProjects\py ...
- 泰坦尼克号幸存者预测 python 详解
泰坦尼克号幸存数据,压缩包第一个 #读取数据 import pandas as pd data = pd.read_csv(r"C:\Users\lhf\PycharmProjects\py ...
最新文章
- mysql模糊查询的优化方法--亲自实践
- IHttpModule.Init方法被执行多次的原因
- kaggle api下载自定义数据到colab上面
- ServiceComb
- 计算机二级c语言题库缩印,计算机二级C语言上机题库(可缩印做考试小抄资料)...
- HTML计算机英文字母,计算机入门知识 英文字母缩写翻译 -电脑资料
- 下血本买的!2021Java高级面试题
- 原始套接字AF_PACKET用法尝试
- 适合产品经理不同阶段的书籍和课程
- matlab 安装 cvx 和 mosek 以及 gurobi
- 微信小程序轮播图常用炫酷样式----swiper
- 女孩们,请别到职场卖萌,甘当不专…
- 积木创意:APP开发需要注意哪些事项?
- 同步以太网-SyncE介绍
- [Qt] QWidget QWindow 窗口管理器(WM)
- 内存不够的情况下python处理大规模数据
- 深入解读DAMA-DMBOK2
- dp怎么接显示器和主机_电脑dp接口能单独接显示器吗
- Linux中的grep、egrep及相应的正则表达式和用法
- 一起学CC3200之OTA固件升级(使用HTTP方式下载APP:初级篇)