Kaggle入门 (Titanic XGBoost)

本文接前文Kaggle入门，主要的区别是更换了分类器XGBoost。

# -*- coding: utf-8 -*-


import pandas as pd
import xgboost as xgb



# 读训练数据
data = pd.read_csv('data/train.csv')

#数据预处理
data['Sex'] = data['Sex'].apply(lambda s: 1 if s == 'male' else 0) #把性别从字符串类型转换为0或1数值型数据
data = data.fillna(0) #缺失字段填0
# 选取特征
X_train = data[['Sex', 'Age', 'Pclass', 'SibSp', 'Parch', 'Fare']].as_matrix()
#字段说明：性别，年龄，客舱等级，兄弟姐妹和配偶在船数量，父母孩子在船的数量，船票价格

# 建立标签数据集
y_train = data['Survived']

#训练模型
model = xgb.XGBClassifier(max_depth=10, n_estimators=300, learning_rate=0.01).fit(X_train, y_train)



# 读测试数据
testdata = pd.read_csv('data/test.csv')
    
#数据清洗, 数据预处理
testdata = testdata.fillna(0)
testdata['Sex'] = testdata['Sex'].apply(lambda s: 1 if s == 'male' else 0)
    
#特征选择
X_test = testdata[['Sex', 'Age', 'Pclass', 'SibSp', 'Parch', 'Fare']].as_matrix()

#评估模型
predictions = model.predict(X_test)

# 保存预测结果
submission = pd.DataFrame({ 'PassengerId': testdata['PassengerId'],
                            'Survived': predictions })
submission.to_csv("titanic_xgboost_submission.csv", index=False)