决策树

df=pd.read_csv('Titanic.csv')
#泰坦尼克号成活率分析和预测
def Titanic_pre():
    #准备数据
    df=pd.read_csv('Titanic.csv')
    #选取操作字段
    df1=df[['Pclass','Sex','Age','SibSp','Parch','Fare','Embarked']]
    #补充NAN
    df2=df1.fillna(np.round(df['Age'].mean(),2))

    #准备训练数据和目标数据
    dict_train=df2.to_dict(orient='record')
    dict_target=pd.DataFrame(df['Survived'],columns=['Survived']).to_dict(orient='record')


    dv_train=DictVectorizer(sparse=False)
    #标准化训练集
    x_data=dv_train.fit_transform(dict_train)

    print(x_data[:1,:])

    dv_target=DictVectorizer(sparse=False)
    #标准化目标集
    y_target=dv_target.fit_transform(dict_target)
    #分配训练集和测试集
    x_train,x_test,y_train,y_test=train_test_split(x_data,y_target,test_size=0.25)  
    #创建决策树对象
    d_tree=DecisionTreeClassifier()
    #开始学习
    d_tree.fit(x_train,y_train)
  
    #准备预测数据
    data_predict={
        'Pclass':1,
        'Sex':'female',
        'Age':65,
        'SibSp':1,
        'Parch':1,
        'Fare':51.86,
        'Embarked':'C'
    }
    #预测数据标准化，要使用训练数据字典化的对象来标准化
    x_data2=dv_train.transform(data_predict)
    print(x_data2)
#     return x_data2
    #用目标数据字典化对象对预测结果反标准化inver_transform()函数
    print(dv_target.inverse_transform(d_tree.predict(x_data2).reshape(-1,1)))

    
Titanic_pre()
    
    

上述代码是利用决策树的方法对泰坦尼克号进行生存分析，这里只是采用了其中的几个字段，然后创建一个实例化对象进行预测，并返回预测结果。