天池-学生考试成绩预测

个人学习之作，水平有限，仅供参考，与诸君共勉。

1：目的

调用库，熟悉数据清洗，数据处理，熟悉python的编程知识

大概流程如下（建议熟记，对知识的掌握和面试都是有好处的）：

1. 确保数据集本身是可用的，包括但不限于：
   a) 检查数据本身是否平衡(balanced or not)，并处理
   b) 检查数据本身是否有缺失值 (missing value)，并处理
   c) 检查数据本身是否有一些明显的异类数据(outlier), 根据情况再做处理

2. 检查数据集本身特质，确定适合的机器学习模型（machine learning model）
   a) 有监督模型（Supervised） VS 无监督模型（Unsupervised）
   b) 回归模型（Regression） VS 分类模型（Classification)

3. 通过数据可视化，建立一个对于数据集的直觉（intuition）和认知(understanding)

4. 通过数据可视化，大致了解特征与结果之间的联系，进一步确定适合的机器学习模型

5. 预测并验证未来模型产出的结果

6. 对用在模型中的特征做初步的筛选

7. 为特征工程（feature engineering）部分做准备

2： 数据

数据csv大概如下：我会上传到下载那块，有需求的朋友自己下载

3：开始

# 引入库包
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_csv('student-por.csv')

在引入库包之后，进行初步的数据处理

print(df.head(10))
print(df.shape)
print(df.isnull().sum())
print(df.describe(include = 'all'))
print(df.info())

重点说一下，这个数据集比较干净，也无任何缺省，

数据段中文对应关系如下

字段名	含义	类型	描述
sex	性别	string	F是女，M表示男
address	住址	string	U表示城市，R表示乡村
famsize	家庭成员数	string	LE3表示少于三人，GT3多于三人
pstatus	是否与父母住在一起	string	T住在一起，A分开
medu	母亲的文化水平	string	从0~4逐步增高
fedu	父亲的文化水平	string	从0~4逐步增高
mjob	母亲的工作	string	分为教师相关、健康相关、服务业
fjob	父亲的工作	string	分为教师相关、健康相关、服务业
guardian	学生的监管人	string	mother，father or other
traveltime	从家到学校需要的时间	double	以分钟为单位
studytime	每周学习时间	double	以小时为单位
failures	挂科数	double	挂科次数
schoolsup	是否有额外的学习辅助	string	yes or no
fumsup	是否有家教	string	yes or no
paid	是否有相关考试学科的辅助	string	yes or no
activities	是否有课外兴趣班	string	yes or no
higher	是否有向上求学意愿	string	yes or no
internet	家里是否联网	string	yes or no
famrel	家庭关系	double	从1~5表示关系从差到好
freetime	课余时间量	double	从1~5从少到多
goout	跟朋友出去玩的频率	double	从1~5从少到多
dalc	日饮酒量	double	从1~5从少到多
walc	周饮酒量	double	从1~5从少到多
health	健康状况	double	从1~5从状态差到好
absences	出勤量	double	0到93次
G1,G2,G3	期末成绩	double	20分制

1；对性别进行处理

sns.countplot(x = 'sex', order = ['M','F'], data = df )
df['sex'].replace('M','0')
df['sex'].replace('F','1')

将M-男，F-女 转化为01

2：对地址进行转换

sns.countplot(x = 'address', order = ['U','R'], data = df )
df['address'].replace('U','1')
df['address'].replace('R','0')

 

Reference：

1：https://tianchi.aliyun.com/course/video?spm=5176.12282042.0.0.3eb22042bd6YRi&liveId=7729

1：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12281897.0.0.209439a9IUXP6k&postId=7459

1：https://blog.csdn.net/jiangtianshe/article/details/77703450