基于支持向量机的泰坦尼克号生还预测代码

以下是基于支持向量机（SVM）的泰坦尼克号生还预测代码示例：

首先，导入必要的库和数据集：

import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split

# 读取数据集
titanic_data = pd.read_csv('titanic.csv')

# 数据预处理
titanic_data['Age'].fillna(titanic_data['Age'].median(), inplace=True)
titanic_data.drop('Cabin', axis=1, inplace=True)
titanic_data.dropna(inplace=True)

# 特征选择
features = ['Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Embarked']
X = pd.get_dummies(titanic_data[features])
y = titanic_data['Survived']

接下来，将数据集分为训练集和测试集：

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

然后，使用SVM模型进行训练和预测：

# 创建SVM模型并训练
model = svm.SVC(kernel='linear', C=0.1)
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

最后，输出模型的准确率和混淆矩阵：

from sklearn.metrics import accuracy_score, confusion_matrix

# 输出准确率
print('Accuracy:', accuracy_score(y_test, y_pred))

# 输出混淆矩阵
print('Confusion Matrix:\n', confusion_matrix(y_test, y_pred))

完整的代码示例如下：

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

# 读取数据集
titanic_data = pd.read_csv('titanic.csv')

# 数据预处理
titanic_data['Age'].fillna(titanic_data['Age'].median(), inplace=True)
titanic_data.drop('Cabin', axis=1, inplace=True)
titanic_data.dropna(inplace=True)

# 特征选择
features = ['Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Embarked']
X = pd.get_dummies(titanic_data[features])
y = titanic_data['Survived']

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建SVM模型并训练
model = svm.SVC(kernel='linear', C=0.1)
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 输出准确率
print('Accuracy:', accuracy_score(y_test, y_pred))

# 输出混淆矩阵
print('Confusion Matrix:\n', confusion_matrix(y_test, y_pred))