链接:https://pan.baidu.com/s/175zFJE1NS2QoSP8P1omo_g
提取码:t1k8
代码如下:注意要修改文件路径哦
# 1、查看训练集数据情况
import pandas as pd
data_train = pd.read_csv("E:\\Desktop\\train.csv")
print(data_train.shape)
data_train.info()
# 2、查看测试集数据情况
data_test = pd.read_csv("E:\\Desktop\\test.csv")
print(data_test.shape)
data_test.info()
# 3、缺失值处理(使用随机森林预测填充)
from sklearn.ensemble import RandomForestRegressor
# 把要填充的特征和其他无缺失的特征取出,这里先处理Age特征
age_df = data_train[['Age','Fare','Parch','SibSp','Pclass']]
# 将乘客分成已知年龄和未知年龄两部分,分别作为训练集和测试集
age_know = age_df[age_df.Age.notnull()].iloc[:,:].values
age_unknow = age_df[age_df.Age.isnull()].iloc[:,:].values
# 获取训练集特征和结果标签
X=age_know[:,1:] # 训练集特征
y=age_know[:,0] # 训练集的结果标签
# 利用上面构建的训练集训练随机森林回归模型
RF_clf =RandomForestRegressor(random_state=0,n_estimators=200,n_jobs=