利用机器学习测试你的心动指数

最新推荐文章于 2023-01-17 15:08:27 发布
最新推荐文章于 2023-01-17 15:08:27 发布
阅读量1k 收藏 1
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jerryyang_2017/article/details/108580268
版权

利用机器学习测试你的心动指数

数据集下载

[1]:

 

!wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/speed_dating/Speed%20Dating%20Data%20Key.doc
--2020-08-12 11:06:06--  https://pai-public-data.oss-cn-beijing.aliyuncs.com/speed_dating/Speed%20Dating%20Data%20Key.doc
Resolving pai-public-data.oss-cn-beijing.aliyuncs.com (pai-public-data.oss-cn-beijing.aliyuncs.com)... 47.95.85.22
Connecting to pai-public-data.oss-cn-beijing.aliyuncs.com (pai-public-data.oss-cn-beijing.aliyuncs.com)|47.95.85.22|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 161792 (158K) [application/msword]
Saving to: 'Speed Dating Data Key.doc'

100%[======================================>] 161,792     --.-K/s   in 0.07s   

2020-08-12 11:06:06 (2.08 MB/s) - 'Speed Dating Data Key.doc' saved [161792/161792]

[2]:

 

!wget https://pai-public-data.oss-cn-beijing.aliyuncs.com/speed_dating/Speed%20Dating%20Data.csv
--2020-08-12 11:06:07--  https://pai-public-data.oss-cn-beijing.aliyuncs.com/speed_dating/Speed%20Dating%20Data.csv
Resolving pai-public-data.oss-cn-beijing.aliyuncs.com (pai-public-data.oss-cn-beijing.aliyuncs.com)... 47.95.85.22
Connecting to pai-public-data.oss-cn-beijing.aliyuncs.com (pai-public-data.oss-cn-beijing.aliyuncs.com)|47.95.85.22|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 5192296 (5.0M) [text/csv]
Saving to: 'Speed Dating Data.csv'

100%[======================================>] 5,192,296   18.7MB/s   in 0.3s   

2020-08-12 11:06:08 (18.7 MB/s) - 'Speed Dating Data.csv' saved [5192296/5192296]

安装以及引入调用的包

[3]:

 

!pip install palettable --user
Collecting palettable
  Downloading https://mirrors.aliyun.com/pypi/packages/ca/46/5198aa24e61bb7eef28d06cb69e56bfa1942f4b6807d95a0b5ce361fe09b/palettable-3.3.0-py2.py3-none-any.whl (111kB)
    100% |################################| 112kB 1.1MB/s 
Installing collected packages: palettable
Successfully installed palettable-3.3.0
You are using pip version 9.0.1, however version 20.2.1 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.

[4]:

 

!pip install imbalanced-learn --user
Collecting imbalanced-learn
  Downloading https://mirrors.aliyun.com/pypi/packages/c8/81/8db4d87b03b998fda7c6f835d807c9ae4e3b141f978597b8d7f31600be15/imbalanced_learn-0.7.0-py3-none-any.whl (167kB)
    100% |################################| 174kB 11.0MB/s 
Requirement already satisfied: scikit-learn>=0.23 in /home/admin/.local/lib/python3.6/site-packages (from imbalanced-learn)
Requirement already satisfied: scipy>=0.19.1 in /opt/conda/lib/python3.6/site-packages (from imbalanced-learn)
Requirement already satisfied: joblib>=0.11 in /home/admin/.local/lib/python3.6/site-packages (from imbalanced-learn)
Requirement already satisfied: numpy>=1.13.3 in /home/admin/.local/lib/python3.6/site-packages (from imbalanced-learn)
Requirement already satisfied: threadpoolctl>=2.0.0 in /home/admin/.local/lib/python3.6/site-packages (from scikit-learn>=0.23->imbalanced-learn)
Installing collected packages: imbalanced-learn
Successfully installed imbalanced-learn-0.7.0
You are using pip version 9.0.1, however version 20.2.1 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.

[6]:

 

!pip install seaborn --user
Collecting seaborn
  Downloading https://mirrors.aliyun.com/pypi/packages/c7/e6/54aaaafd0b87f51dfba92ba73da94151aa3bc179e5fe88fc5dfb3038e860/seaborn-0.10.1-py3-none-any.whl (215kB)
    100% |################################| 225kB 13.2MB/s 
Requirement already satisfied: matplotlib>=2.1.2 in /opt/conda/lib/python3.6/site-packages (from seaborn)
Requirement already satisfied: numpy>=1.13.3 in /home/admin/.local/lib/python3.6/site-packages (from seaborn)
Requirement already satisfied: pandas>=0.22.0 in /opt/conda/lib/python3.6/site-packages (from seaborn)
Requirement already satisfied: scipy>=1.0.1 in /opt/conda/lib/python3.6/site-packages (from seaborn)
Requirement already satisfied: python-dateutil>=2.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib>=2.1.2->seaborn)
Requirement already satisfied: cycler>=0.10 in /opt/conda/lib/python3.6/site-packages (from matplotlib>=2.1.2->seaborn)
Requirement already satisfied: kiwisolver>=1.0.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib>=2.1.2->seaborn)
Requirement already satisfied: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib>=2.1.2->seaborn)
Requirement already satisfied: pytz>=2011k in /opt/conda/lib/python3.6/site-packages (from pandas>=0.22.0->seaborn)
Requirement already satisfied: six>=1.5 in /opt/conda/lib/python3.6/site-packages (from python-dateutil>=2.1->matplotlib>=2.1.2->seaborn)
Requirement already satisfied: setuptools in /opt/conda/lib/python3.6/site-packages (from kiwisolver>=1.0.1->matplotlib>=2.1.2->seaborn)
Installing collected packages: seaborn
Successfully installed seaborn-0.10.1
You are using pip version 9.0.1, however version 20.2.1 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.

[8]:

 

# importing packages
%matplotlib inline
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import GradientBoostingClassifier
from sklearn import metrics
​
import imblearn
from palettable.colorbrewer.qualitative import Pastel1_3
​

EDA 探索性数据分析

[9]:

 

df = pd.read_csv('Speed Dating Data.csv', encoding='gbk')
df.head()

[9]:

 iididgenderidgcondtnwaveroundpositionpositin1order...attr3_3sinc3_3intel3_3fun3_3amb3_3attr5_3sinc5_3intel5_3fun5_3amb5_3
011.00111107NaN4...5.07.07.07.07.0NaNNaNNaNNaNNaN
111.00111107NaN3...5.07.07.07.07.0NaNNaNNaNNaNNaN
211.00111107NaN10...5.07.07.07.07.0NaNNaNNaNNaNNaN
311.00111107NaN5...5.07.07.07.07.0NaNNaNNaNNaNNaN
411.00111107NaN7...5.07.07.07.07.0NaNNaNNaNNaNNaN

5 rows × 195 columns

[10]:

 

print(df.shape)
(8378, 195)

[11]:

 

# 计算出每个特征有多少百分比是缺失的
percent_missing = df.isnull().sum() * 100 / len(df)
missing_value_df = pd.DataFrame({
    'column_name': df.columns,
    'percent_missing': percent_missing
})

[12]:

 

missing_value_df.sort_values(by='percent_missing', ascending=False).head(10)

[12]:

 column_namepercent_missing
num_in_3num_in_392.026737
numdat_3numdat_382.143710
expnumexpnum78.515159
sinc7_2sinc7_276.665075
amb7_2amb7_276.665075
shar7_2shar7_276.438291
attr7_2attr7_276.318931
intel7_2intel7_276.318931
fun7_2fun7_276.318931
amb5_3amb5_375.936978

多少人通过Speed Dating找到了对象

[13]:

 

# 多少人通过Speed Dating找到了对象
plt.subplots(figsize=(3,3), dpi=110,)
# 构造数据
size_of_groups=df.match.value_counts().values
​
single_percentage = round(size_of_groups[0]/sum(size_of_groups) * 100,2) 
matched_percentage = round(size_of_groups[1]/sum(size_of_groups)* 100,2) 
names = [
    'Single:' + str(single_percentage) + '%',
    'Matched' + str(matched_percentage) + '%']
 
# 创建饼图
plt.pie(
    size_of_groups, 
    labels=names, 
    labeldistance=1.2, 
    colors=Pastel1_3.hex_colors
)
plt.show()
​

[ ]:

 

​

[14]:

 

# 多少女生通过Speed Dating找到了对象
plt.subplots(figsize=(3,3), dpi=110,)
# 构造数据
size_of_groups=df[df.gender == 0].match.value_counts().values
​
single_percentage = round(size_of_groups[0]/sum(size_of_groups) * 100,2) 
matched_percentage = round(size_of_groups[1]/sum(size_of_groups)* 100,2) 
names = [
    'Single:' + str(single_percentage) + '%',
    'Matched' + str(matched_percentage) + '%']
 
# 创建饼图
plt.pie(
    size_of_groups, 
    labels=names, 
    labeldistance=1.2, 
    colors=Pastel1_3.hex_colors
)
plt.show()
​

[15]:

 

# 多少男生通过Speed Dating找到了对象
plt.subplots(figsize=(3,3), dpi=110,)
# 构造数据
size_of_groups=df[df.gender == 1].match.value_counts().values
​
single_percentage = round(size_of_groups[0]/sum(size_of_groups) * 100,2) 
matched_percentage = round(size_of_groups[1]/sum(size_of_groups)* 100,2) 
names = [
    'Single:' + str(single_percentage) + '%',
    'Matched' + str(matched_percentage) + '%']
 
# 创建饼图
plt.pie(
    size_of_groups, 
    labels=names, 
    labeldistance=1.2, 
    colors=Pastel1_3.hex_colors
)
plt.show()
​

年龄分布

[16]:

 

# 年龄分布
age = df[np.isfinite(df['age'])]['age']
plt.hist(age,bins=35)
plt.xlabel('Age')
plt.ylabel('Frequency')

[16]:

Text(0, 0.5, 'Frequency')

[17]:

 

date_df = df[[
    'iid', 'gender', 'pid', 'match', 'int_corr', 'samerace', 'age_o',
       'race_o', 'pf_o_att', 'pf_o_sin', 'pf_o_int', 'pf_o_fun', 'pf_o_amb',
       'pf_o_sha', 'dec_o', 'attr_o', 'sinc_o', 'intel_o', 'fun_o', 'like_o',
       'prob_o', 'met_o', 'age', 'race', 'imprace', 'imprelig', 'goal', 'date',
       'go_out', 'career_c', 'sports', 'tvsports', 'exercise', 'dining',
       'museums', 'art', 'hiking', 'gaming', 'clubbing', 'reading', 'tv',
       'theater', 'movies', 'concerts', 'music', 'shopping', 'yoga', 'attr1_1',
       'sinc1_1', 'intel1_1', 'fun1_1', 'amb1_1', 'attr3_1', 'sinc3_1',
       'fun3_1', 'intel3_1', 'dec', 'attr', 'sinc', 'intel', 'fun', 'like',
       'prob', 'met'
]]

[18]:

 

# heatmap
plt.subplots(figsize=(20,15))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = date_df.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

[18]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f9662c23f98>

模型构建

数据准备

[19]:

 

# preparing the data
clean_df = df[['attr_o','sinc_o','intel_o','fun_o','amb_o','shar_o','match']]
clean_df.dropna(inplace=True)
X=clean_df[['attr_o','sinc_o','intel_o','fun_o','amb_o','shar_o',]]
y=clean_df['match']
​
/opt/conda/lib/python3.6/site-packages/ipykernel_launcher.py:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  This is separate from the ipykernel package so we can avoid doing imports until

[20]:

 

oversample = imblearn.over_sampling.SVMSMOTE()
X, y = oversample.fit_resample(X, y)

[21]:

 

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0, stratify=y)

模型训练

[22]:

 

 
# logistic regression classification model
model = LogisticRegression(C=1, random_state=0)
lrc = model.fit(X_train, y_train)
predict_train_lrc = lrc.predict(X_train)
predict_test_lrc = lrc.predict(X_test)
print('Training Accuracy:', metrics.accuracy_score(y_train, predict_train_lrc))
print('Validation Accuracy:', metrics.accuracy_score(y_test, predict_test_lrc))
Training Accuracy: 0.765040825096691
Validation Accuracy: 0.7555841924398625

测试结果

[24]:

 

lrc.predict_proba([[8.0,6.0,7.0,7.0,6.0,8.0,]])

[24]:

array([[0.29710471, 0.70289529]])

[ ]:

 

​
杨家八公子
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习对心率研究的新颖点
weixin_35754962的博客
01-12 185
机器学习在心率研究中有很多新颖点。例如，通过机器学习，可以使用大量数据来建立预测模型，以预测心率异常。另外，可以使用机器学习方法来对心率数据进行分类和聚类，以了解不同类型的心率变化。此外，可以使用机器学习来分析与心率相关的生物标志物和健康数据，以了解导致心率异常的生理机制。 ...
“闪电约会” 配对预测
墨墨的博客
01-09 1028
项目介绍 https://www.kaggle.com/annavictoria/speed-dating-experiment 数据集采集自2002-2004"闪电约会"试验 参与者有4分钟时间与异性交流 4分钟后参与者回答是否愿意同该异性再次约会 同时双方需要为对方的6个属性进行评分： 1.吸引力(Attractiveness) 2.忠实度(Sincerity) 3.智慧(Intellig...
Speed Dating——非诚勿扰
02-02
近年来相亲电视节目层出不穷，婚恋市场异常火爆。据统计婚恋交友市场在2016年收入近百亿收入。每个单身狗怎么才能获得异性的芳心？婚恋网站如何才能在最短的时间内帮助有婚恋需求的人找到自己心仪的对象？或许数据科学的思维可以帮我们找到这些问题的答案。
pandas 报警告：A value is trying to be set on a copy of a slice from a DataFrame
热门推荐
集电极
04-12 4万+
pandas 报警告：A value is trying to be set on a copy of a slice from a DataFrame 我在抽取了原来DataFrame数据的几列后，对抽取后的数据进行赋值操作时弹出这个警告。 样例代码如下 # 弹出警告的代码 dfc = pd.DataFrame({'a':[1,2,3,4,5,6],'b':[2,3,4,5,6,7]}) dfc2 = dfc[['a']] dfc2['a'][0] = 100 这个是深浅拷贝的警告 我对其进行一次深
A value is trying to be set on a copy of a slice from a DataFrame解决方案
最新发布
BeiErGeLaiDe的博客
01-17 2万+
A value is trying to be set on a copy of a slice from a DataFrame解决方案
机器学习预测房颤患者抗凝控制的临床实践研究：英国Datalink研究
医学信息学解锁25（2021）100688使用机器学习预测房颤的：英国临床实践研究Datalink研究JasonGordon a，*，Max Norman a，Michael Hurst a，c，Thomas Mason a，b，CarissaDickerson a，Belinda Sandler c，Kevin G....
脑血管疾病的机器学习及深度学习分类研究
⃝可在www.sciencedirect.com在线获取ScienceDirectICTExpress 8（2022）109www.elsevier.com/locate/icte使用机器学习和深度学习技术进行脑血管疾病（CVD）分类和预测的比较研究M. Swathy，K. 萨鲁拉达印度...
"机器学习改善高血压患者生活方式管理
阵列12（2021）100090机器学习通过改变高血压患者的生活方式促进健康管理马里兰州Mazharul Islama，*，Rittika Shamsuddinba孟加拉国治理和管理研究所，孟加拉国达卡b美国俄克拉荷马州斯蒂尔沃特俄克拉荷马州立大学A...
机器学习改善高血压管理：基于扰动模拟的诊断系统
阵列12（2021）100090机器学习通过改变高血压患者的生活方式促进健康管理马里兰州Mazharul Islama，*，Rittika Shamsuddinba孟加拉国治理和管理研究所，孟加拉国达卡b美国俄克拉荷马州斯蒂尔沃特俄克拉荷马州立大学A...
"基于机器学习的非接触式感染者筛查系统
医学信息学解锁24（2021）100592基于机器学习的感染者使用生命体征的Trong Thanh Hana，*，Huong Yen Phama，Dang Son Lam Nguyen a，Yuki Iwata b，Trong Tuan Doa，Koichiro Ishibashib，Guanghao Sun b，c，**a...
speed-dating:数据收集自2002-2004年实验性快速约会活动的参与者
05-18
该数据集是关于快速约会的。 该数据是从2002年至2004年的实验性快速约会活动的参与者中收集的。 在活动期间，与其他异性参与者的与会者将有一个四分钟的“初次约会”。 在他们的四分钟结束时，询问参与者是否想再次看到他们的约会。 还要求他们根据以下六个属性对日期进行评分： 吸引力 诚意 智力 乐趣 志向 共同利益。 数据集还包括从过程中不同点的参与者收集的问卷数据。 这些字段包括： 人口统计 约会习惯 跨关键属性的自我感知 相信别人在伴侣中有价值的东西 和生活方式信息 数据 在上以名称找到了该数据集。 数据位于名为data目录中 data/speed-dating.csv 准备 需要Python 3.x来运行位于scripts中的scripts 。 Python脚本位于目录scripts scripts/main.py 执照 根据“（假定源数据中没有任何权利或公共领域许可）
LoveLearning：阿里云天池比赛的源代码：找到一见钟情的人
02-15
1.译文选择： 阿里云天池长期赛-测测你的一见钟情指数 原链接 2.开发环境： Python== 3.7.1 numpy == 1.19.1 熊猫== 1.1.0 matplotlib == 3.3.0 seaborn == 0.11.0 scikit_learn == 0.23.2 graphviz == 0.16 3.运行方法： 3.1逻辑回归： 代码在src / LogisticRegression文件夹下，在这里可以运行代码。 安装依赖： pip install - r requirements . txt 运行特征选择（热力图）： python data_process . py 运行grid_search： python test . py 3.2决策树： 在控制台中转到src/DecisionTree目录下，执行pythonmain.py。会输出C4.5方
speedDating:INF229 快速约会数据集项目
06-24
INF 229 快速约会 这是我们在 Telecom ParisTech 的 INF229 可视化类项目的 Git 存储库，关于快速约会数据集。 原始来源可以在找到。 我们的团队由以下人员组成： 马丁·德尔赞特 露易丝·盖瑞 项目主管为教授。
decisiontree2.py
11-10
Python自写函数实现ID3算法，依据信息增益最大，生成决策树，并实现决策树可视化，可以根据需求自行改变数据集。
阿里云天池Python训练营
weixin_49084992的博客
09-20 295
阿里云天池Python训练营 本节主要介绍python中的数据分析方法，结合之前的学习内容，对于宝可梦精灵中的各种精灵数据进行分析，找寻其中的最强精灵。 一、数据分析实战 1. 数据集下载 !wget -O pokemon_data.csv https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv 从https://pai-public-data.oss-cn-beijing.aliyuncs....
python 可视化：fig, ax = plt.subplots()画多表图的3中常见样例 & 自定义图表格式
Feeryman_Lee的博客
01-12 5210
python 可视化：fig, ax = plt.subplots()画多表图的3中常见样例 & 自定义图表格式 一、fig, ax = plt.subplots()的作用？ 它是用来创建 总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作图了，（fig：是figure的缩写）。 plt.subplot(111)是plt.subplot(1,...
Python matplotlib画图知识点备忘
AI数据工厂
04-26 903
介绍了Python 绘图工具包matplotlib.pyplot的使用方法：图片属性设定、子图排版、线条颜色形状等。
Python可视化matplotlib09-palettable颜色库（四）
qq_21478261的博客
06-26 4523
细介绍python palettable颜色库
Python机器学习笔记：XgBoost算法
SeaSky_Steven的博客
04-15 1603
转载：https://www.cnblogs.com/wj-1314/p/9402324.html 前言 1，Xgboost简介 　　Xgboost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起，形成一个强分类器。因为Xgboost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。 　　X...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值