机器学习入门实战——决策树算法实战Titanic数据集

关于决策树的理论知识可以查看:决策树

Titanic数据集概述

  RMS泰坦尼克号的沉没是历史上最臭名昭着的沉船之一。 1912年4月15日,在首航期间,泰坦尼克号撞上一座冰山后沉没,2224名乘客和机组人员中有1502人遇难。这一耸人听闻的悲剧震撼了国际社会,导致了更好的船舶安全条例。预测是否有乘客幸存下来的泰坦尼克号。

代码实战

首先,一如既往导入数据集,并查看一下部分数据

import pandas as pd

titanic = pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')
titanic.head()

这里写图片描述
info可以查看一下数据集的基本信息,我们可以看到数据集中有部分缺失值

titanic.info()
> <class 'pandas.core.frame.DataFrame'>
> RangeIndex: 1313 entries, 0 to 1312
> Data columns (total 11 columns):
> row.names    1313 non-null int64
> pclass       1313 non-null object
> survived     1313 non-null int64
> name         1313 non-null object
> age          633 non-null float64
> embarked     821 non-null object
> home.dest    754 non-null object
> room         77 non-null object
> ticket       69 non-null object
> boat         347 non-null object
> sex          1313 non-null object
> dtypes: float64(1), int64(2), object(8)
> memory usage: 112.9+ KB

我们从中选取三个特征来对数据进行预测

X = titanic[['pclass','age','sex']]
y = titanic['survived']

X.info()
> <class 'pandas.core.frame.DataFrame'>
> RangeIndex: 1313 entries, 0 to 1312
> Data columns (total 3 columns):
> pclass    1313 non-null object
> age       633 non-null float64
> sex       1313 non-null object
> dtypes: float64(1), object(2)
> memory usage: 30.9+ KB

age具有缺失值,所以我们要对缺失值进行处理

X['age'].fillna(X['age'].mean(),inplace=True)
X.info()
> <class 'pandas.core.frame.DataFrame'>
> RangeIndex: 1313 entries, 0 to 1312
> Data columns (total 3 columns):
> pclass    1313 non-null object
> age       1313 non-null float64
> sex       1313 non-null object
> dtypes: float64(1), object(2)
> memory usage: 30.9+ KB

之后就是将数据集划分成训练集和测试集

from sklearn.cross_validation import train_test_split
X_train,X_test,Y_train,Y_test = train_test_split(X,y,test_size=0.25,random_state=33)

from sklearn.feature_extraction import DictVectorizer
vec = DictVectorizer(sparse=False)

X_train = vec.fit_transform(X_train.to_dict(orient='record'))
print(vec.feature_names_)
X_test = vec.fit_transform(X_test.to_dict(orient='record'))

[‘age’, ‘pclass=1st’, ‘pclass=2nd’, ‘pclass=3rd’, ‘sex=female’, ‘sex=male’]

导入决策树模型,并进行预测

from sklearn.tree import DecisionTreeClassifier

dtc = DecisionTreeClassifier()
dtc.fit(X_train,Y_train)
y_predict = dtc.predict(X_test)

最后,检查一下模型的效果

from sklearn.metrics import classification_report

print(dtc.score(X_test,Y_test))
print(classification_report(y_predict,Y_test,target_names=['died','survived']))

这里写图片描述
代码参考:《Python机器学习及实践:从零开始通往Kaggle竞赛之路》

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Quanfita

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值