以泰坦尼克号为例构建第一个预测模型

如果把机器学习的最终成果比做为做一道菜的话，那么数 据准备和处理，就相当于买食材并 挑选、洗清、处理食材的过程。

一 导包

#逻辑回归算法
from sklearn.linear_model import LogisticRegression 
#随机分割数据集
from sklearn.model_selection import train_test_split
#输出模型评估报告 
from sklearn.metrics import classification_report

#相当于把“泰坦尼克号数据特征工程完整流程.ipynb ”文件中的代码

%run 泰坦尼克号数据特征工程完整流程.ipynb 

TrainData.head()

训练集中一定要删除目标值，因为这个值是要训练得出的

#从训练数据集中，拆分出特征变量
trainData_X = TrainData.drop(['Survived'], axis = 1)
trainData_X.head()