机器学习—决策树

泰坦尼克号沉没是历史上最臭名昭着的沉船之⼀。 1912年4⽉ 15⽇ ， 在她的处⼥航中， 泰坦尼克号在与冰⼭相撞后沉没， 在2224名乘客和机组⼈员中造成1502⼈死亡。 这场耸⼈听闻的悲剧震惊了国际社会， 并为船舶制定了更好的安全规定。 造成海难失事的原因之⼀是乘客和机组⼈员没有⾜够的救⽣艇。 尽管幸存下沉有⼀些运⽓因素， 但有些⼈⽐其他⼈更容易⽣存， 例如妇⼥， ⼉童和上流社会。 在这个案例中， 我们要求您完成对哪些⼈可能存活的分析。 特别是，我们要求您运⽤机器学习⼯具来预测哪些乘客幸免于悲剧。

1.泰坦尼克号生还预测

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report
data=pd.read_csv('titanic_data.csv')
print(data)
data.drop('PassengerId',axis=1,inplace=True) #删除PassengerId列

data.loc[data['Sex']=='male','Sex']=1
data.loc[data['Sex']=='female','Sex']=0 #用数值1来代替male 用数值0来代替female

data.fillna(data['Age'].mean(),inplace=True) #用均值来填充缺失值

Dtc=DecisionTreeClassifier(max_depth=5,random_state=8) #构建决策树模型
Dtc.fit(data.iloc[:,1:],data['Survived']) #模型训练
pre=Dtc.predict(data.iloc[:,1:]) #模型预测
pre==data['Survived'] #比较模型预测值与样本实际值是否一致
classification_report(data['Survived'],pre) #模型分类报告
print(classification_report(data['Survived'],pre) )

2.参考文章

一文看懂决策树

机器学习之泰坦尼克号预测生还案例的分析（逻辑回归）

【创作不易，望点赞收藏，若有疑问，请留言，谢谢】

标签：pre,泰坦尼克号,机器,Sex,学习,Survived,report,data,决策树
来源： https://www.cnblogs.com/dongxuelove/p/16434213.html