pandas结合Sklearn实现泰坦尼克存活率预测
实例目标:实现泰坦尼克存活预测
处理步骤:
1、输入数据:使用Pandas读取训练数据(历史数据,特点是已经知道了这个人最后有没有活下来)
2、训练模型:使用Sklearn训练模型
3、使用模型:对于一个新的不知道存活的人,预估他存活的概率
import pandas as pd
from sklearn.linear_model import LogisticRegression
df_train = pd.read_csv("./pandas/ant-learn-pandas/datas/titanic/titanic_train.csv",
engine="python")
print(df_train.head())
'''
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
1 2 1 1 ... 71.2833 C85 C
2 3 1 3 ... 7.9250 NaN S
3 4 1 1 ... 53.1000 C123 S
4 5 0 3 ... 8.0500 NaN S
'''
# 其中,Survived==1代表这个人活下来了、==0代表没活下来;其他的都是这个人的信息和当时的仓位、票务情况
# 我们只挑选两列,作为预测需要的特征
feature_cols = ['Pclass', 'Parch']
X = df_train.loc[:, feature_cols]
print(X.head())
# 单独提取是否存活的列,作为预测的目标
y = df_train.Survived
print(y.head())
训练模型
# 训练模型
# 创建模型对象
logreg = LogisticRegression()
# 实现模型训练
logreg.fit(X, y)
# 这两列的存活概率
print(logreg.score(X, y))
'''0.6879910213243546'''
# 对于未知数据使用模型
# 找一个历史数据中不存在的数据,(按照这两列去重)
res = X.drop_duplicates().sort_values(by=["Pclass", "Parch"])
print(res)
'''
Pclass Parch
1 1 0
54 1 1
27 1 2
438 1 4
9 2 0
98 2 1
43 2 2
437 2 3
0 3 0
7 3 1
8 3 2
86 3 3
167 3 4
13 3 5
678 3 6
'''
# 发现2,4是没有的
# 预测这个数据是否存活
res1 = logreg.predict([[2, 4]])
print(res1)
'''[1],表示存活'''
# # 预测这个数据存活的概率
res2 = logreg.predict_proba([[2, 4]])
print(res2)
'''
[[0.35053893 0.64946107]]
代表存活的概率是0.64946107,死亡的概率是0.35053893
'''