python实现机器学习决策树算法泰坦尼克号乘客生存预测
时间: 2023-07-31 15:08:06 浏览: 75
好的,对于这个问题,我可以给您提供一些思路和代码实现。
首先,我们需要导入相关的库和数据集,使用pandas库读取数据集:
```python
import pandas as pd
train_data = pd.read_csv('train.csv')
test_data = pd.read_csv('test.csv')
```
然后,我们需要对数据进行预处理,包括数据清洗、特征工程和特征选择等。在这里,我们可以先对数据进行简单的清洗:
```python
train_data = train_data.drop(['Cabin'], axis=1)
test_data = test_data.drop(['Cabin'], axis=1)
train_data = train_data.dropna()
test_data = test_data.dropna()
```
接着,我们需要对数据进行特征工程,包括特征提取和特征转换等。在这里,我们可以对数据进行一些简单的特征提取,例如提取乘客的称呼(如Mr.、Mrs.、Miss等),并将其转换为数值型数据:
```python
train_data['Title'] = train_data['Name'].map(lambda x: x.split(', ')[1].split('. ')[0])
test_data['Title'] = test_data['Name'].map(lambda x: x.split(', ')[1].split('. ')[0])
title_dict = {'Mr': 1, 'Miss': 2, 'Mrs': 3, 'Master': 4, 'Dr': 5, 'Rev': 6, 'Col': 7, 'Ms': 8, 'Mlle': 9, 'Major': 10, 'Lady': 11, 'Sir': 12, 'Mme': 13, 'Capt': 14, 'Jonkheer': 15, 'Don': 16, 'the Countess': 17}
train_data['Title'] = train_data['Title'].map(title_dict)
test_data['Title'] = test_data['Title'].map(title_dict)
```
然后,我们可以对特征进行标准化处理:
```python
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
train_data[['Age', 'Fare']] = scaler.fit_transform(train_data[['Age', 'Fare']])
test_data[['Age', 'Fare']] = scaler.transform(test_data[['Age', 'Fare']])
```
接下来,我们需要将数据集分为训练集和验证集,然后使用决策树算法进行模型训练和预测:
```python
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
features = ['Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Fare', 'Embarked', 'Title']
X = train_data[features]
y = train_data['Survived']
X_train, X_valid, y_train, y_valid = train_test_split(X, y, test_size=0.2, random_state=42)
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
y_pred = clf.predict(X_valid)
print('Accuracy:', accuracy_score(y_valid, y_pred))
```
最后,我们可以使用训练好的模型对测试集进行预测,并将结果保存为CSV文件:
```python
X_test = test_data[features]
y_test = clf.predict(X_test)
submission = pd.DataFrame({'PassengerId': test_data['PassengerId'], 'Survived': y_test})
submission.to_csv('submission.csv', index=False)
```
以上就是使用决策树算法进行泰坦尼克号乘客生存预测的代码实现。需要注意的是,这只是一个简单的示例,实际的应用需要根据具体情况进行更加细致的数据处理和模型调优。