2.1.1.5 决策树（分类）

最新推荐文章于 2022-05-30 14:27:12 发布

。难悟易误。

最新推荐文章于 2022-05-30 14:27:12 发布

阅读量220

点赞数

分类专栏：分类文章标签：分类

本文链接：https://blog.csdn.net/weixin_43844229/article/details/88072985

版权

该博客探讨了在数据包含数值型、类别型及缺失值的情况下，如何使用决策树进行分类。首先，注意到数据中age列存在缺失，需要补充完整。接着，sex和pclass作为类别型变量，需转换为数值型以便于模型处理。转化过程中，类别型特征被独立剥离，形成单独的列，以利于决策树模型的构建和学习。

摘要由CSDN通过智能技术生成

import pandas as pd
titanic=pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')

观察前几行的数据，发现数据种类各异，有数值型，类别型，还有缺失数据

titanic.head()

#查看数据的统计特性,1313条乘客信息
titanic.info()

#数据预处理
#特征选择
X=titanic[['pclass','age','sex']]
y=titanic['survived']
#查看特征统计信息
X.info()

查看特征统计信息，发现age列只有633个，需要补充完整，sex，pclass 两个数据列都是类别型变量，需要转化为数值型

#使用平均数填充age列的na
X['age'].fillna(X['age'].mean(),inplace=True)
X.info()

#数据分割
from sklearn.cross_validation import train_test_split
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25,random_state=33)

类别变量转化为数值型,转换特征后发现，凡是类别型变量的特征都单独剥离出来，独成一列特征

from sklearn.feature_extraction import Dic

关注

专栏目录