2019-12-21-RF初阶---随机森林预测泰坦尼克号乘客存活情况

---

title: RF初阶—随机森林预测泰坦尼克号乘客存活情况
categories: ML
date: 2019-12-21 10:56:11

数据集来源于kaggle(著名的机器学习数据下载中心)，Titanic数据集包括三个csv文件，分别是训练数据集，测试数据集和测试结果集。

#coding=utf-8
#20191220
#Author:wuqifan
#随机森林

from sklearn import preprocessing
from sklearn.preprocessing import Imputer
from sklearn.metrics import accuracy_score

import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
import seaborn as sns
from sklearn import  model_selection            #sklearn在新版本已经抛弃cross_validation，改成model_selection
import pandas as pd

# 加载数据
##### 加载训练和测试数据
#####--------------------------------------------------------------------------------------------------
#这里读入数据的时候我们没有做任何的处理（像去除空值这些）
train = pd.read_csv("./Titanic_Dataset/train.csv",dtype={
   "Age":np.float64},)
test = pd.read_csv("./Titanic_Dataset/test.csv",dtype={
   "Age":np.float64},)

#查看样本数和特征数
# train_num,train_var_num=np.shape(train)
# test_num,test_var_num=np.shape(test)
# print("训练集：有",train_num,"个样本","每个样本有",train_var_num,"个变量.")
# print("测试集：有",test_num,"个样本","每个样本有",test_var_num,"个变量.")
# print(train.info())       #查看数据的缺失情况
# print(test.info())
# print(train.describe())     #查看数据的描述性信息（总数，均值，方差，最大最小值等）

# ------------------------------------------------绘图------------------------------------------------------
#------------我们要通过绘图来观察训练数集的基本情况哦，我们先从登舱口Embarked开始,来绘制二维柱状图，不同性别在不同登舱口的生存情况
# sns.barplot(x='Embarked',y='Survived',hue='Sex',data=train)         #可见，无论哪个港口上岸，星星获救的概率高出男性。至于哪个港口上船的生存率