kaggle 泰坦尼克号1（根据男女性存活率）

流程

1. 导入所要使用的包
2. 引入kaggle的数据集csv文件
3. 查看数据集有无空值
4. 填充这些空值
5. 提取特征
6. 分离训练集和测试集
7. 调用模型

代码和数据位置

https://gitee.com/heibaizi2000/machine-learning.git
代码和数据

导入需要的包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')

引入kaggle的数据集csv文件

train=pd.read_csv('train.csv')
test=pd.read_csv('test.csv')
datas = pd.concat([train, test], ignore_index = True)

得到女性的存活率

# 取出表格中的两列，性别和存活率构建一个新的数据集women
women = train.loc[train.Sex == 'female']["Survived"]

# 一共有314条女性记录，由于存活的情况是1，所以累加所有存活特征，就能得到存活数量
# 再用存活数量/女性总数得到女性存活率

rate_women = sum(women)/len(women)
print("% of women who survived:", rate_women)
# 获得女性的存活率

得到男性的存活率

men = train.loc[train.Sex == 'male']["Survived"]
rate_men = sum(men)/len(men)

print("% of men who survived:", rate_men)

调用模型

from sklearn.ensemble import RandomForestClassifier

y = train["Survived"]

features = ["Pclass", "Sex", "SibSp", "Parch","Embarked","Cabin"]
X = pd.get_dummies(train[features])
X_test = pd.get_dummies(test[features])

model = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1)
model.fit(X, y)
predictions = model.predict(X_test)
score=model.score(X, y)
print(score)
output = pd.DataFrame({'PassengerId': test.PassengerId, 'Survived': predictions})

输出文件

output.to_csv('mypredict.csv', index=False)