泰坦尼克号决策树预测(源码分析)

---

前言

蓝色字体是附加链接，看完不会的可以点进去学习一下哦@^_^@

---

一、获取数据

从人工智能学习小组的组长中嫖过来的三个文件

二、数据集建模

1.引入库

代码如下：

import numpy as np
import pandas as pd 
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction import DictVectorizer

import model as abbreviate
使模块名字更好记忆
train_test_split()用于数据集划分，具体看视频，14：45开始介绍
DictVectorizer()用于提取字典中的特征值，具体看视频

2.读入数据

代码如下：

train = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')

然后看两个文件里面的内容
训练集的内容：
代码如下：

train.head()

测试集的内容：
代码如下：

test.head()

test.head(n)用来显示数据头部的几行数据，默认是五行,可以指定n参数显示多少行

可以发现测试集和训练集相比没有survived的属性，需要用训练集训练处模型来预测存活情况。
最后看看第三个文件：
代码如下：

g_sub = pd.read_csv('gender_submission.csv')
g_sub.info()
g_sub.head()

内容如下：


info函数返回有哪些列、有多少非缺少值、每列的类型

可以看到就两行，一行是与测试集一样的Passengerld,另一行就是缺失的Survived

3、特征工程

把测试集和训练集合并起来，便于处理特征值。
代码如下：

union = train.append(test