6.【基础】泰坦尼克号幸存预测--Ensemble

本文所有实现代码均来自《Python机器学习及实战》

#-*- coding:UTF-8- *-

#为了对比单一决策树与继承模型中的随机森林分类器和梯度提升决策树的性能差异，再次以泰坦尼克号的乘客作为实验数据，前四步与决策树一样

#第一步：读取泰坦尼克号乘客数据
import pandas as pd
titanic = pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')
#观察前几行数据，可以发现数据种类各异（数值型，类别型），甚至还有缺失数据
titanic.head()
#使用pandas,数据都转入pandas独有的dataframe格式（二维数据表格），直接使用info(),查看数据的统计特性
titanic.info()

#第二步：特征选择与数据预处理
#根据分析，我们认为sex,age,pclass这些特征都很有可能成为决定幸免与否的决定性因素
X = titanic[['pclass',