机器学习（以随机森林例）基本流程

Cherish永恒

已于 2024-03-29 15:35:27 修改

阅读量281

点赞数 3

分类专栏：机器学习文章标签：随机森林人工智能

于 2024-03-29 15:34:30 首次发布

本文链接：https://blog.csdn.net/qq_55430793/article/details/137147107

版权

机器学习专栏收录该内容

3 篇文章 0 订阅

订阅专栏

本文介绍了如何使用Python的numpy,pandas,scikit-learn等库进行数据预处理、特征选择、模型构建（随机森林回归）以及在Kaggle竞赛中预测星际旅行乘客是否被运输。通过填充缺失值、映射类别特征并计算预测误差，最后生成提交文件。

摘要由CSDN通过智能技术生成

导入所需的库：
- numpy 用于数值计算。
- pandas 用于数据处理和分析。
- matplotlib.pyplot 和 seaborn 用于数据可视化。
- train_test_split 用于将数据分为训练集和测试集。
- RandomForestRegressor 用于构建随机森林回归模型。
- mean_absolute_error 用于计算预测结果的均方绝对误差。
定义一个字典 planet_to_numeric，（数值处理需要）将名称映射为数值。
使用 map 函数将 train_data 和 test_data 中的 'HomePlanet' 列中的星球名称替换为相应的数值。
通过遍历 train_data 和 test_data 的列，使用众数填充每个列中的缺失值。
从 train_data 中选择特征列 featrues，并将目标列 y（'Transported'）分离出来。
使用 train_test_split 将 x（特征）和 y（目标）分为训练集和测试集。
使用 RandomForestRegressor 构建随机森林回归模型，并在训练数据上训练它。
在测试数据上进行预测，并使用 mean_absolute_error 计算预测结果与实际值之间的误差。
根据预测结果，创建一个新的列 prediction1，如果预测值大于或等于0.5，则为“True”，否则为“False”。
创建一个包含 PassengerId 和 Transported 的 DataFrame，并将其保存为 submission.csv 文件。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_absolute_error

planet_to_numeric = {
'Europa': '1',
'Earth': '2',
'Mars':'3'
}

train_data['HomePlanet'] = train_data['HomePlanet'].map(planet_to_numeric)
test_data['HomePlanet'] = test_data['HomePlanet'].map(planet_to_numeric)
test_data

featrues=["CryoSleep","Age","VIP",'HomePlanet']
for column in train_data.columns:
mode_value = train_data[column].mode()[0]
train_data[column] = train_data[column].fillna(mode_value)
for column in test_data.columns:
mode_value = test_data[column].mode()[0]
test_data[column] = test_data[column].fillna(mode_value)

x=train_data[featrues]
y=train_data['Transported']
train_x,test_x,train_y,test_y=train_test_split(x,y)

sns.countplot(x="HomePlanet",hue="Transported", data=train_data)

model=RandomForestRegressor(n_estimators=500)
model.fit(train_x,train_y)

prediction=model.predict(test_x)
dif=mean_absolute_error(prediction,test_y)

test=test_data[featrues]

predictions=model.predict(test)

prediction1=[]
for i in predictions:
if i>=0.5:
prediction1.append("True")
else:
prediction1.append("False")

output=pd.DataFrame({"PassengerId":test_data['PassengerId'],'Transported':prediction1})
output.to_csv('submission.csv',index=False)

submssion1=pd.read_csv('/kaggle/working/submission.csv')
submssion1