1 本文是以《Python机器学习及实践 从零开始通往kaggle竞赛之路》为参考书籍进行的实践
通过随机分类模型以及XGBoost模型进行泰坦尼克号上的乘客是否生还的预测分析
2 实验代码以及结果截图
#coding:utf-8#泰坦尼克号上的乘客是否生还的预测能力
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.cross_validation import train_test_split
from sklearn.feature_extraction import DictVectorizer
#通过URL地址下载Titanic数据
titanic=pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')
#选取pclass,age以及sex作为训练特征
X=titanic[['pclass','age','sex']]
y=titanic['survived']
#对缺失的age信息,采用平均值方法进行补全,即以age列一直数据的平均值填充
X['age'].fillna(X['age'].mean(),inplace=True)
#对原数据进行分割,随机采样25%作为测试集
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25,random_state=33)
#从sklearn.feature_extraction导入DictVectorizer
vec=DictVectorizer(sparse=False)
#对原数据进行特征向量化处理
X_train=vec.fit_transform(X_train.to_dict(orient='record'))
X_test=vec.transform(X_test.to_dict(orient='record'))
#采用默认配置的随机森林分类器对测试集进行预测
rfc=RandomForestClassifier()
rfc.fit(X_train,y_train)
print '随机森林分类器:',rfc.score(X_test,y_test)
#采用默认配置的XGboost模型对相同的测试集进行预测
from xgboost import XGBClassifier
xgbc=XGBClassifier()
xgbc.fit(X_train,y_train)
print 'XGBoost模型:',xgbc.score(X_test,y_test)