注册、登录kaggle，使用决策树简单的对Titanic练习

1. 登录 / 注册kaggle

登录不会遇到啥问题；但注册的时候可能会遇到该问题Captcha must be filled out

1. 安装插件Header Editor
   插件下载地址：

链接：https://pan.baidu.com/s/1Sk9I6vAHHv8vUc1e3wCYkg?pwd=6as6 
提取码：6as6

2.将解压的文件Header Editor.crx 拖到谷歌的扩展程序中，得到下图所示

点击详情，找到扩展程序选项，点击之后出现下图

3. 配置插件
   在导出和导入选项中导入一开始下载的HE-GoogleRedirect.json，即可结束。

4. 回到注册界面，此时就可以进行谷歌的人机交互了，完成注册。

2. 使用kaggle

1. 点击kaggle的create —》 New Notebook
   
2. 图片讲解
   点击Add Data，输入titanic，选择箭头所指的
   
   得到如下形式
   
   在Input下的gender_submission.csv，就是我们需要提交给kaggle的模板样式。
3. 使用决策树对titanic练习
   则在代码区写入：

import pandas as pd
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier

# 1、获取数据
path_train = "../input/titanic/train.csv"
path_test = "../input/titanic/test.csv"
titanic_train = pd.read_csv(path_train)
titanic_test = pd.read_csv(path_test)

# 筛选特征值和目标值
x_train = titanic_train[["Pclass", "Age", "Sex"]]
y_train = titanic_train["Survived"]
x_test = titanic_test[["Pclass", "Age", "Sex"]]

# 2、数据处理
# 1）缺失值处理
x_train["Age"].fillna(x_train["Age"].mean(), inplace=True)
x_test["Age"].fillna(x_test["Age"].mean(), inplace=True)

# 2) 转换成字典
x_train = x_train.to_dict(orient="records")
x_test = x_test.to_dict(orient="records")

# 4、字典特征抽取
transfer = DictVectorizer()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

# 决策树预估器
estimator = DecisionTreeClassifier(criterion="entropy", max_depth=8)
estimator.fit(x_train, y_train)

# 模型评估   得出预测值
y_predict = estimator.predict(x_test)

# 保存预测值
submission = pd.read_csv('../input/titanic/gender_submission.csv')
submission['Survived'] = y_predict
submission.to_csv('submission.csv', index=False)

运行代码

在下图得到submission.csv文件

点击submission.csv 后面的三个小点，Download，下载到本地。然后回到kaggle首页，搜索titanic

点击下图所指的

点击Submit Predictions


将刚刚下载的submission.csv文件放进去，点击submit，提交。则可看到分数。

文章部分内容参考：https://blog.csdn.net/weixin_46713695/article/details/125474130