机器学习（实战）泰坦尼克号（游客存活率预估）

目录

一、读取数据

二、设置特征值和目标值

三、数据处理

1、缺失值处理

2、特征值转换为字典

3、划分数据集

四、特征工程（字典特征值提取）

五、获取决策树预估器，训练

六、模型评估

方法一：比对

方法二：计算得分

总代码

---

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)