用泰坦尼克号数据学习数据分析（二）

最新推荐文章于 2022-06-09 15:41:52 发布

啥也不懂张biubiu

最新推荐文章于 2022-06-09 15:41:52 发布

阅读量779

点赞数

分类专栏：数据分析

本文链接：https://blog.csdn.net/weixin_40278796/article/details/83017464

版权

本文介绍了如何利用随机森林算法处理泰坦尼克号数据集中缺失的年龄信息。通过训练算法预测未记录的年龄，以此完善数据集。

摘要由CSDN通过智能技术生成

昨天提交了一次，结果有点惨，今天要好好做辣。

填补age空缺，使用随机森林算法

随机森林算法

随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。

读入数据可以看到age中只有714个数据，原理是读入这714个数据的非age值，和age值，训练算法后，读入不含age的行中的非age值，预测其age。

代码

age_df = data[['Age','Survived','Fare', 'Parch', 'SibSp', 'Pclass']]#读入数据中的部分值
age_df_notnull = age_df.loc[(data['Age'].notnull())]#读入值中含age的值
age_df_isnull = age_df.loc[(data['Age'].isnull())]#读入中不含age的值
X = age_df_notnull.values[:,1:]#切片，每一行的第二列到最后一列
Y = age_df_notnull.valu