机器学习项目:泰坦尼克号幸存者预测

  • 随机森林分类模型
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_score
from sklearn import preprocessing

# 导入数据
train_data = pd.read_csv(r"D:\xio习\python\python数据分析\案例\泰坦尼克\data\train.csv")
train_data.head()

test_data = pd.read_csv(r"D:\xio习\python\python数据分析\案例\泰坦尼克\data\test.csv")
test_data.head()

# 设置目标
train_y = train_data["Survived"]

# 设置特征
features = ["Pclass", "Sex", "SibSp", "Parch"]
train_X = pd.get_dummies(train_data[features])
test_X = pd.get_dummies(test_data[features])

# zscore标准化
zscore = preprocessing.StandardScaler()
train_X = zscore.fit_transform(train_X)
test_X = zscore.fit_transform(test_X)

# 正则化
train_X = preprocessing.normalize(train_X, norm='l2')
test_X = preprocessing.normalize(test_X, norm='l2')

# 训练随机森林模型
model = RandomForestClassifier(n_estimators=300, max_depth=3, random_state=1)
model.fit(train_X, train_y)

# 5折交叉验证
scores = -1 * cross_val_score(model, train_X, train_y,
                              cv=5,
                              scoring='neg_mean_absolute_error')
print("Average MAE score (across experiments):")
print(scores.mean())

# 应用模型
predictions = model.predict(test_X)
output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions})
output.to_csv('my_submission.csv', index=False)
print("Your submission was successfully saved!")
  • 运行结果
    在这里插入图片描述
  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

From Star.

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