第三章(PART1):模型搭建
经过前面的探索性数据分析我们可以很清楚的了解到数据集的情况,以及得出了一些结论。
下面我们将搭建一个预测模型,运用机器学习的方式来为泰坦尼克船只做一个预测,我们在测试集的数据中来预
测哪些乘客将会存活,哪些乘客将遭遇不幸。然后我们会对我们的模型做一个评价。
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# 读取训练数集
train = pd.read_csv('train.csv')
train.head()
train.shape
8.1 特征工程
8.1.1 任务一:缺失值填充
- 对分类变量缺失值:填充某个缺失值字符(NA)、用最多类别的进行填充
- 对连续变量缺失值:填充均值、中位数、众数
# 观察缺失值个数
pd.isnull(train).sum()
# 对分类变量进行填充
train["Embarked"] = train["Embarked"].fillna("S")
train['Cabin'] = train['Cabin'].fillna('NA')
# 对连续变量进行填充
train["Age"] = train["Age"].fillna(train["Age"].mean())
# 检查缺失值比例
train.isnull().mean().sort_values(ascending=False)
8.1.2 任务二:编码分类变量
# 取出所有的输入特征
data = train[['Pclass','Sex','Age','SibSp','Parch',