泰坦尼克号的沉没是世界上最严重的海难事故之一,今天我们通过分 类树模型来预测一下哪些人可能成为幸存者。数据集来着https://www.kaggle.com/c/titanic,数据集会随着代码一起提供给大家,大家可以在下载页面拿到,或者到群中询问。数据集包含两个csv格式文件,data为我们接下来要使用的数据,test为kaggle提供的测试集。
- 导入所需要的库
- 导入数据集,探索数据
- 相关变量分析
*查看存活率
*单变量之间的分析
*多变量之间的分析
*缺失值的填充
*相关检验 - 对数据集进行不涉及到训练集和测试集之间相互影响的预处理(分箱)
- 提取标签和特征矩阵,分测试集和训练集
- 导入模型
- 观察模型的拟合状况
- 调参数(我们这里用网格格搜索调整参数)
- 评估模型,ROC曲线
具体代码如下:https://nbviewer.jupyter.org/github/xiaotaiyang08/123/blob/master/练习案例泰坦尼克.ipynb