机器学习 （十七）kaggle竞赛之泰坦尼克号项目实战-2

导航

       想写这篇博客的由衷是做完几个项目，有时对于图的画法和模型融合算法原理理解还很肤浅，特此加深一下印象。
内容概览

1. 图
   pandas、matplotlib、seaborn
   饼图
   直方图
2. 融合方法
   bagging
   boosting
   stacking

图

pandas、matplotlib、seaborn关系

       matplotlib是python里面最著名的绘图系统，也即最牛逼的绘图系统，seaborn也是封装了matplotlib而成，类似于pandas封装了numpy一样，由此可以想到seaborn的易用性要比matplotlib好，语言都是越高级封装越彻底的越好用。
       pandas的plot方式是一种简写方式，内部调用了plt.figure() add_subplot()等方法。
seaborn各种画图文档：http://seaborn.pydata.org/examples/index.html

饼图

       饼形图只找到了pandas、matplotlib实现没有找到seaborn实现，相对其他图形饼形图还是不常用一些。

survived_value_counts = train_data['Survived'].value_counts()
# # Series.plot 画图
survived_value_counts.plot.pie(labeldistance = 1.1,autopct = '%1.2f%%',
                                               shadow = False,startangle = 90,pctdistance = 0.6)

# matplotlib画图
labels = '0','1'
# 升序排序方便和labels对应
sizes = survived_value_counts.sort_index(ascending=True)
explode = (0,0.1) #1表示将存货的概率凸现出来
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.2f%%',shadow=False,sta