数学建模之Python-K最近邻算法（泰坦尼克号生还预测）

本文链接：https://blog.csdn.net/weixin_45678130/article/details/119487901

本文介绍了使用Python进行数学建模，通过K最近邻算法来预测泰坦尼克号乘客的生存情况。内容包括理论讲解、代码实现以及数据预处理的细节，涉及特征选择和标准化等步骤。

摘要由CSDN通过智能技术生成

前言：

小细节写在这里提醒一下自己

# 相关系数法：计算各个特征的相关系数
#相关性矩阵
corrDf = full.corr()
print(corrDf)

# 查看各个特征与生成情况（Survived）的相关系数，
# ascending=False表示按降序排列
print(corrDf['Survived'].sort_values(ascending =False))
#print(corrDf)
# 根据各个特征与生成情况（Survived）的相关系数大小，选择了这几个特征作为模型的输入：

特征选择如下 axis=1表示按行操作

full_X = pd.concat( [titleDf,#头衔
                     pclassDf,#客舱等级
                     familyDf,#家庭大小
                     full['Fare'],#船票价格
                     cabinDf,#船舱号
                     embarkedDf,#登船港口
                     full['Sex']#性别
                    ] , axis=1 )

理论

在这里插入图片描述

z-score的调库

代码：

# -*- coding: utf-8 -*-
"""
Created on Thu Nov 21 18:42:13 2019

@author: Administrator
"""

'''step1 调用包'''
## 导入训练数据
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
#调用算法、数据集、预处理
from sklearn import  preprocessing
from sklearn import neighbors
#调用准确率计算函数
from sklearn.metrics import accuracy_score

'''step2 导入数据'''
titanic = pd.read_csv("data_titanicKNN.csv")

'''step3 数据预处理'''
# 把带类标号数据（用于训练和检验）
# 和待判（最后7行）数据分开
data_used = titanic.iloc[:886,]
#Python从0开始计数,故上一行代码从第0行取到第885行
#共提取了886行。

#最后5行为待判集合,去掉第一列未知的类标号
data_unused = titanic.iloc[886:,1:]

'''step4 划分数据集'''
X = data_used.iloc[:,1:]
y= data_used.iloc[:,0]

X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size = 0.25, random_state = 123)

#数据标准化
scaler = preprocessing.StandardScaler().fit(X_train)
X_train = scaler.transform(X_train)
#用训练集的数字特征对测试集进行标准化
X_test