目录
一、读取数据
资源下载链接1(推荐):https://download.csdn.net/download/great_yzl/22363793
资源下载链接2(不推荐):
https://pan.baidu.com/s/17DeVm48VRG0tlEzQM0KfSA
提取码:gx4a
# 1、读取数据
data = pd.read_csv('titanic.csv')
二、设置特征值和目标值
# 2、设置特征值和目标值
train = data[['pclass', 'age', 'room', 'sex']]
test = list(data['survived'])
三、数据处理
1、缺失值处理
可以看出来,上面这些明显是缺失了一些数据,这样在后面运行的时候会报错。
# 3-1、缺失值处理
train['age'].fillna(train['age'].mean(), inplace=True)
train['room'].fillna(train['room'][0], inplace=True)
2、特征值转换为字典
# 3-2、特征值转换为字典
train = train.to_dict(orient='records')
print(train)
3、划分数据集
# 4、划分数据集
train_data, test_data, train_target, test_target = train_test_split(train, test)
四、特征工程(字典特征值提取)
# 4、特征工程(字典特征值提取)
transfer = DictVectorizer()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)
# print(train_data)
五、获取决策树预估器,训练
# 6、决策树预估器,训练
estimator = DecisionTreeClassifier()
estimator.fit(train_data, train_target)
六、模型评估
方法一:比对
# 方法一:比对
predict = estimator.predict(test_data)
print(predict == test_target)
方法二:计算得分
# 方法二:计算分数(正确率)
score = estimator.score(test_data, test_target)
print('准确率为:', score)
总代码
# 泰坦尼克号(游客存活率预估)
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier
# 1、读取数据
data = pd.read_csv('titanic.csv')
# print(data)
# 2、设置特征值和目标值
train = data[['pclass', 'age', 'room', 'sex']]
test = list(data['survived'])
# 3、数据处理
# 3-1、缺失值处理
train['age'].fillna(train['age'].mean(), inplace=True)
train['room'].fillna(train['room'][0], inplace=True)
# 3-2、特征值转换为字典
train = train.to_dict(orient='records')
# 3-3、划分数据集
train_data, test_data, train_target, test_target = train_test_split(train, test)
# print(train_data)
# 4、特征工程(字典特征值提取)
transfer = DictVectorizer()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)
# print(train_data)
# 5、决策树预估器,训练
estimator = DecisionTreeClassifier()
estimator.fit(train_data, train_target)
# 6、模型评估
# 方法一:比对
predict = estimator.predict(test_data)
print(predict == test_target)
# 方法二:计算分数(正确率)
score = estimator.score(test_data, test_target)
print('准确率为:', score)