贝叶斯分类器 泰坦尼克 python

### 使用Python实现贝叶斯分类器处理泰坦尼克数据集

为了使用朴素贝叶斯分类器对泰坦尼克号数据集进行分析，可以按照以下方法操作：

#### 数据准备
加载并查看泰坦尼克号的数据集，确保理解其结构。

import pandas as pd

# 加载数据集
data = pd.read_csv('titanic.csv')

# 查看前几行数据
print(data.head())

#### 预处理与特征工程
对于缺失值、类别型变量编码等问题需做适当处理。

# 填充或删除缺失值
data['Age'].fillna(data['Age'].median(), inplace=True)

# 对性别列进行one-hot编码
data = pd.get_dummies(data, columns=['Sex'], drop_first=True)

#### 划分训练集和测试集
将数据分为训练集合验证集以便后续评估模型性能。

from sklearn.model_selection import train_test_split

X = data.drop(['Survived', 'Name', 'Ticket', 'Cabin', 'Embarked'], axis=1)
y = data['Survived']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)[^1]

#### 训练朴素贝叶斯分类器
利用`sklearn.naive_bayes.GaussianNB()`来创建高斯分布下的朴素贝叶斯分类器实例，并对其进行拟合。

from sklearn.naive_bayes import GaussianNB

model = GaussianNB()
model.fit(X_train, y_train)[^3]

#### 模型评价
通过计算准确率等方式衡量所构建的分类器效果如何。

from sklearn.metrics import accuracy_score

predictions = model.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print(f'Accuracy: {accuracy:.2f}')