基于机器学习神经网络的个体收入预测分析（计算机毕设完整代码数据）（博文底部vx获取）

本文链接：https://blog.csdn.net/pythonyanyan/article/details/135691979

本文介绍了如何使用美国人口普查局数据集预测成人年收入，包括数据读取、缺失值处理、异常值替换，以及通过逻辑回归模型分析工作类型、教育程度等因素的影响。模型评估显示分类效果良好，尽管对高收入群体的预测精度较低。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

流程图：

1.读数据表

成人收入预测数据集是由Ronny Kohavi和Barry Becker从美国某地区1994年的人口普查局数据库中提取的。该数据集包含32561位成人年收入及14个相关的指标。可以用此数据集来进行收入的预测，预测任务是确定一个人的年收入是否超过5万美元。首先读取数据集，并查看数据集的前五行。

age	workclass	fnlwgt	education	education-num	marital-status	occupation	relationship	race	sex	capital-gain	capital-loss	hours-per-week	native-country	salary

39	State-gov	77516	Bachelors	13	Never-married	Adm-clerical	Not-in-family	White	Male	2174	0	40	United-States	<=50K
50	Self-emp-not-inc	83311	Bachelors	13	Married-civ-spouse	Exec-managerial	Husband	White	Male	0	0	13	United-States	<=50K
38	Private	215646	HS-grad	9	Divorced	Handlers-cleaners	Not-in-family	White	Male	0	0	40	United-States	<=50K
53	Private	234721	11th	7	Married-civ-spouse	Handlers-cleaners	Husband	Black	Male	0	0	40	United-States	<=50K
28	Private	338409	Bachelors	13	Married-civ-spouse	Prof-specialty	Wife	Black	Female	0	0	40	Cuba	<=50K

此数据集共有15个变量，其中有9个分类变量依次是工作类型workclass，受教育程度education，婚姻状态marital_status，职业occupation，家庭成员关系 relationship, 种族race, 性别sex, 国籍native_country，收入salary；有6个连续型变量分别是年龄age,序号fnlwgt，受教育时长education_num，资本收益capital_gain，资本损失capital_loss，每周工作小时数hours_per_week。