经典案例 泰坦尼克号

import pandas as pd
import graphviz


#1. 读取数据，获取特征值：
data = pd.read_excel(r'tietan.xls')
print(data)

#2. pclass, age, sex
feature = data.loc[:, ['pclass','age','sex']]
print(feature.info())

#3. 填充空值： AGE: 找不到准确值：
feature.fillna({'age':feature['age'].mean()}, inplace=True)

#4. 将特征中的类别属性进行转化， one-hot 编码：

X = feature.to_dict(orient='records')
print(X)


#5. 批量哑变量处理的方法：
from sklearn.feature_extraction import DictVectorizer

dic = DictVectorizer(sparse=False)  # sparse=False 表示返回数组类型，否则返回词频向量化类型

x = dic.fit_transform(X) # X: [{'':, "", }] #对X 进行哑变量转换，返回的数组类型；
feature_name = dic.get_feature_names() # 返回每列的表头

# print(feature_name)
# print(x)

#6. 分割训练集与测试集：

y = data['survived']



from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split(x, y, train_size=0.8)

#7.模型训练：
from sklearn.tree import DecisionTreeClassifier

# 实例化：
dc = DecisionTreeClassifier(criterion='entropy', max_depth=5 )

# 训练：
dc.fit(x_train, y_train)

# 预测：
dc.predict(x_test)

# 准确度：
print(dc.score(x_test, y_test))

#8. 导出模型：
from sklearn import tree

tree.export_graphviz(dc, 'tree.dot')

#9. 可视化
a = graphviz.Source('tree.dot')
print(a)