Pandas 二十三:结合Sklearn实现泰坦尼克存活率预测
实例目标:实现泰坦尼克存活预测
处理步骤:
1、输入数据:使用Pandas读取训练数据(历史数据,特点是已经知道了这个人最后有没有活下来)
2、训练模型:使用Sklearn训练模型
3、使用模型:对于一个新的不知道存活的人,预估他存活的概率
步骤1:读取训练数据
1
import pandas as pd
pd.set_option('display.max_rows',None)#取消行限制
pd.set_option('display.max_columns',None)#取消列限制
pd.set_option('display.width',1000)#增加每行的宽度
2
df_train = pd.read_csv("./datas/titanic/titanic_train.csv")
df_train.head()
2
其中,Survived==1代表这个人活下来了、==0代表没活下来;其他的都是这个人的信息和当时的仓位、票务情况
3
# 我们只挑选两列,作为预测需要的特征
feature_cols = ['Pclass', 'Parch']
x = df_train.loc[:, feature_cols]
x.head()
3
Pclass Parch
0 3 0
1 1 0
2 3 0
3 1 0
4 3 0
4
# 单独提取是否存活的列,作为预测的目标
y = df_train.Survived
y.head()
4
0 0
1 1
2 1
3 1
4 0
Name: Survived, dtype: int64
步骤2:训练模型
5
from sklearn.linear_model import LogisticRegression
# 创建模型对象
logreg = LogisticRegression()
# 实现模型训练
logreg.fit(x, y)
//anaconda3/lib/python3.7/site-packages/sklearn/linear_model/logistic.py:432: FutureWarning: Default solver will be changed to ‘lbfgs’ in 0.22. Specify a solver to silence this warning.
FutureWarning)
5
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
intercept_scaling=1, l1_ratio=None, max_iter=100,
multi_class='warn', n_jobs=None, penalty='l2',
random_state=None, solver='warn', tol=0.0001, verbose=0,
warm_start=False)
6
logreg.score(x, y)
6
0.6879910213243546
步骤3:对于未知数据使用模型
机器学习的核心目标,是使用模型预测未知的事物
比如预测股票明天是涨还是跌、一套新的二手房成交价大概多少钱、用户打开APP最可能看那些视频等问题
7
# 找一个历史数据中不存在的数据
X.drop_duplicates().sort_values(by=["Pclass", "Parch"])
7
Pclass Parch
1 1 0
54 1 1
27 1 2
438 1 4
9 2 0
98 2 1
43 2 2
437 2 3
0 3 0
7 3 1
8 3 2
86 3 3
167 3 4
13 3 5
678 3 6
8
# 预测这个数据存活的概率
logreg.predict([[2, 4]])
8
array([1])
9
logreg.predict_proba([[2, 4]])
9
array([[0.35053893, 0.64946107]])