不使用keras实现Titanic旅客生存概率预测

下面是一个使用 scikit-learn 库实现 Titanic 旅客生存概率预测的示例代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

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

# 特征工程
data.drop(['PassengerId', 'Name', 'Ticket', 'Cabin'], axis=1, inplace=True)
data['Age'].fillna(data['Age'].mean(), inplace=True)
data['Embarked'].fillna('S', inplace=True)
data['Sex'] = LabelEncoder().fit_transform(data['Sex'])
data['Embarked'] = LabelEncoder().fit_transform(data['Embarked'])

# 划分训练集和测试集
X = data.drop('Survived', 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)

# 构建决策树模型
clf = DecisionTreeClassifier(random_state=42)
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print('准确率：', acc)

这个例子中，我们首先读取数据集，并对数据进行一些预处理，比如删除一些无关的特征，填充缺失值并进行标签编码。然后，我们将数据集划分为训练集和测试集，并使用决策树算法构建模型。最后，我们在测试集上进行预测，并计算出模型的准确率。