python accuracy_25行python代码实现一个机器学习项目

一说起机器学习，同学们的第一反应一般是： 哇，机器学习这么高大上的技术，一定很难吧。

说实话，机器学习的理论知识，对于非科班出身的同学们来说，确实就像是天书一样，小编还记得以前硬啃西瓜书从入门到放弃的惨痛经历。

但是，还好，我们有python这个强大的工具。有了python， 机器学习不再痛苦。

今天， 咱们就来学习一下，如何用25行python代码，实现一个简单的机器学习项目。

python环境

python环境肯定是必须的啦， 推荐使用python3.x， 比如小编电脑上安装的就是python3.7

为什么不推荐python2呢， 因为， python官方宣布 2020 年 1 月后不再更新维护 Python2了。

机器学习lib包

python里面有3个极其强大的机器学习lib包， 小编喜欢把他们称作 ”机器学习三剑客“：

1) numpy: 简称np, 主要用于矩阵计算。 听到矩阵两个字，是不是又感觉很难了， 不要急，这个机器学习项目不涉及矩阵计算~

2) pandas: 简称pd, 它是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具和方法。 听起来也挺复杂的，不过大家也不用担心， 我们只是用它来读取csv文件~

3) sklearn: 原文是scikit-learn (简称 sklearn) 它是基于 Python 语言的机器学习工具， 里面有各种模型，各种工具，基本上都是几行代码就可以实现c++里面极其复杂的功能，堪称“神器“.

这几个包的安装，推荐是使用pip来安装，网速不快的话，可以使用国内的源~， 具体方法本文就不再详述了，百度一下有茫茫多的教程。

项目背景

在泰坦尼克沉船事故中， 有些乘客遇难，有些乘客则成功获救。

训练数据集中记录了乘客的个人信息以及是否获救，

我们需要根据这些数据尝试训练合适的模型，用于预测测试集中的乘客是否可以获救。

这个问题本质上是一个二分类的问题。

数据集说明

数据集分为训练集和测试集，字段共有12个：

PassengerId, 乘客ID

Survived, 是否获救

Pclass, 舱位等级

Name, 乘客名称

Sex, 性别

Age, 年龄

SibSp, 兄弟姐妹个数

Parch, 父母小孩个数

Ticket, 船票文本信息

Fare, 票价

Cabin, 客舱

Embarked 登船港口

其中，Survived字段就是我们要预测的字段， 取值为0或者1。

下面看一段数据：

train.csv:

PassengerId,Survived,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked

1,0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S

2,1,1,"Cumings, Mrs. John Bradley (Florence Briggs Thayer)",female,38,1,0,PC 17599,71.2833,C85,C

3,1,3,"Heikkinen, Miss. Laina",female,26,0,0,STON/O2. 3101282,7.925,,S

test.csv:

PassengerId,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked

892,3,"Kelly, Mr. James",male,34.5,0,0,330911,7.8292,,Q

893,3,"Wilkes, Mrs. James (Ellen Needs)",female,47,1,0,363272,7,,S

894,2,"Myles, Mr. Thomas Francis",male,62,0,0,240276,9.6875,,Q

代码解析

敲黑板，进入重点了，大家注意听，让我们来一行一行地解析这25行代码。

运行结果

python ML.py

average score: 0.6547085201793722

模型性能

说到性能，程序员们通常都会想到“cpu idle”，或者 “运行时间”，“内存占用”等。 但是，对于一个机器学习项目， 其性能指的是准确率得分(accuracy_score)， 得分越接近于1.0， 就认为模型的性能越好。

后记

通过上面的运行结果，我们知道这个25行代码的决策树模型的得分为0.65，距离1.0还比较遥远。

但是，一个完整的机器学习项目已经实现了。

在以后的文章中，小编会继续介绍如何优化这个模型的性能，提前透露一下，最终模型的得分可以达到0.97，是不是很棒。