使用决策树完成泰坦尼克号幸存者预测

好的，下面是使用决策树完成泰坦尼克号幸存者预测的步骤：

1. 导入所需库

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, confusion_matrix

2. 载入数据集

df = pd.read_csv("titanic.csv")

3. 数据预处理

我们需要将一些非数值型的数据转换成数值型的，比如性别和登船口岸。

df["Sex"] = df["Sex"].map({"male": 0, "female": 1})
df["Embarked"] = df["Embarked"].map({"S": 0, "C": 1, "Q": 2})

df = df.drop(["PassengerId", "Name", "Ticket", "Cabin"], axis=1) # 删除不必要的列

df = df.dropna() # 删除含有缺失值的行

4. 划分数据集

将数据集分为训练集和测试集，以便我们可以评估模型的性能。

X = df.drop("Survived", axis=1)
y = df["Survived"]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

5. 训练模型

创建一个决策树分类器，并使用训练集进行训练。

clf = DecisionTreeClassifier(random_state=42)
clf.fit(X_train, y_train)

6. 预测并评估模型

使用测试集进行预测，并计算模型的准确率和混淆矩阵。

y_pred = clf.predict(X_test)

print("Accuracy:", accuracy_score(y_test, y_pred))
print("Confusion matrix:\n", confusion_matrix(y_test, y_pred))

以上就是使用决策树完成泰坦尼克号幸存者预测的全部步骤。