泰坦尼克号幸存者预测

文章目录

  • 前言
  • 步骤
    • 1. 导入库
    • 2. 使用pandas来读取csv文件
    • 3. 对csv文件的信息进行探索
    • 4. 数据的预处理
      • 4.1 将对训练模型无关的特征进行删除
      • 4.2 将所有非数字类型的特征转为数字类型的特征
      • 4.3 统一数据的数量
    • 5. 对数据集进行拆分,将数据特征和标签进行分离(survived结果和其余的数据进行分离)
    • 6. 对数据集进行训练集和测试集的划分
    • 7. 对划分的测试集和训练集进行排序(养成习惯)
    • 8. 对模型进行训练
    • 9. 通过网格搜索来调整最优参数
  • 注意


前言

提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。


提示:以下是本篇文章正文内容,下面案例可供参考

步骤

1. 导入库

import pandas as pd
from sklearn.tree import DecisionTreeClassifier #分类树
from sklearn.model_selection import train_test_split #划分测试集和训练集
from sklearn.model_selection import GridSearchCV #做网格搜索来调整参数
from sklearn.model_selection import cross_val_score #做交叉验证
import numpy as np
import matplotlib.pyplot as plt

2. 使用pandas来读取csv文件

data = pd.read_csv('data.csv')

3. 对csv文件的信息进行探索

数据的基本信息

data.info()

在这里插入图片描述

数据的前五行信息来查看大概的样子

data.head()

在这里插入图片描述

4. 数据的预处理

4.1 将对训练模型无关的特征进行删除

由上面的例图可以观察出 Name, Ticket, Cabin对于训练模型基本无效,所以对不必要的特征进行删除

data.drop(['Name','Ticket','Cabin'],inplace=True,axis=1)
'''
axis=1 : 表示删除这一列
inplace=True : 表示覆盖原来的data
'''
data.head()
data.info()

在这里插入图片描述
在这里插入图片描述

4.2 将所有非数字类型的特征转为数字类型的特征

注意:模型只能处理数字类型的数据

在这里插入图片描述

对Sex进行类型的转便(性别只有男和女,所以是二分类,对于二分类,有一个简单的方法)

data.loc[:,'Sex'] = (data.loc[:,'Sex'] == 'male').astype('int')
'''
loc[:,'Sex']: 代表取出data里面所有行,Sex列
(data.loc[:,'Sex'] == 'male')判断是否为True,返回的是bool类型,将bool类型转为int型,这时True为1,False为0
'''

对Embarked进行类型转变

label = data.loc[:,'Embarked'].unique().tolist()
#将原本的Embarked类型转为label所获得的数组下表(int)
data.loc[:,'Embarked'] = data.loc[:,'Embarked'].apply(lambda x: label.index(x))
>label: ['S', 'C', 'Q']
'''
unique: 将Embaeked中的所有数据拿出来,重复的合并
tolist: 将得到的数组转为列表类型
apply: 使用括号内的函数

'''

4.3 统一数据的数量

在这里插入图片描述

对于Age,使用填充fillna,将没有年龄的用平均年龄来填写

data.loc[:,'Age'] = data.loc[:,'Age'].fillna(data.loc[:,'Age'].mean())

对于Embarked 只缺少两个值,对全部特征删除这两行即可,对整体没有太大的影响

data = data.dropna(axis=0)
'''
dropna: 过滤缺失数据
data.dropna(how = 'all')    # 传入这个参数后将只丢弃全为缺失值的那些行
data.dropna(axis = 1)       # 丢弃有缺失值的列(一般不会这么做,这样会删掉一个特征)
data.dropna(axis=1,how="all")   # 丢弃全为缺失值的那些列
data.dropna(axis=0,subset = ["Age", "Sex"])   # 丢弃‘Age’和‘Sex’这两列中有缺失值的行  
'''

在这里插入图片描述

5. 对数据集进行拆分,将数据特征和标签进行分离(survived结果和其余的数据进行分离)

x = data.loc[:,data.columns != 'Survived']
y = data.loc[:,data.columns == 'Survived']

6. 对数据集进行训练集和测试集的划分

Xtrain, Xtest, Ytrain, Ytest = train_test_split(x,y,test_size=0.3)

在这里插入图片描述

7. 对划分的测试集和训练集进行排序(养成习惯)

for i in [Xtrain, Xtest, Ytrain, Ytest]:
    i.index = range(i.shape[0])

在这里插入图片描述

8. 对模型进行训练

对模型的训练就是多多尝试,找出最优的

正常的对模型进行直接的训练

clf = DecisionTreeClassifier(random_state=20)
clf = clf.fit(Xtrain,Ytrain)
score_ = clf.score(Xtest,Ytest)

采用交叉验证来训练

score = cross_val_score(clf,x,y,cv=10).mean()

对于交叉验证来进行绘图来看不同深度的score值

tr = []
te = []
for i in range(10):
    clf = DecisionTreeClassifier(random_state=20
                                ,max_depth = i+1
                                ,criterion = 'entropy'
                                )
    clf = clf.fit(Xtrain,Ytrain)
    score_tr = clf.score(Xtrain,Ytrain)
    score_te = cross_val_score(clf,x,y,cv=10).mean()
    tr.append(score_tr)
    te.append(score_te)

plt.figure()
plt.plot(range(1,11),tr,color='red',label='train')
plt.plot(range(1,11),te,color='blue',label='test')
plt.xticks(range(1,11))
plt.legend()
plt.show()

在这里插入图片描述

9. 通过网格搜索来调整最优参数

对于paramters内的参数,根据需求进行组合,如果多了电脑会载不动,最好两两组合来看

paramters = {'splitter': ('best','random')
            ,'criterion': ('gini','entropy')
            ,'max_depth': [*range(1,10)] #一个1-10的列表[*range()]
            ,'min_samples_leaf': [*range(1,50,5)]
            ,'min_impurity_decrease': [*np.linspace(0,0.5,20)]
    
}

clf = DecisionTreeClassifier(random_state=20)
GS = GridSearchCV(clf,paramters,cv=10) #网格搜索集成了交叉验证等所有的步骤
GS.fit(Xtrain,Ytrain)

最优参数

GS.best_params_

在这里插入图片描述

在当前最优参数下的评估值

GS.best_score_

注意

对于上述的网格搜索所得到的参数最优,是在必须含有上述所添加的参数的内容里面的最优值,也就是说网格搜索没有
办法来对所加入搜索的参数的删除,有可能在删除某些参数之后,评估值就会变高,所以需要我们自己不断地调试,不
断的测试来找到最优的评估值

对于决策树的学习可以看下面的链接:
决策树概论,在下面有决策树相关学习的链接

热门文章

暂无图片
编程学习 ·

exe4j详细使用教程(附下载安装链接)

一、exe4j介绍 ​ exe4j是一个帮助你集成Java应用程序到Windows操作环境的java可执行文件生成工具,无论这些应用是用于服务器,还是图形用户界面(GUI)或命令行的应用程序。如果你想在任务管理器中及Windows XP分组的用户友好任务栏…
暂无图片
编程学习 ·

AUTOSAR从入门到精通100讲(126)-浅谈车载充电系统通信方案

01 引言 本文深入研究车载充电系统策略,设计出一套基于电动汽车电池管理系统与车载充电机的CAN通信协议,可供电动汽车设计人员参考借鉴。 02 电动汽车充电系统通讯网络 电动汽车整车控制系统中采用的是CAN总线通信方式,由一个整车内部高速CAN网络、内部低速CAN网络和一个充电…
暂无图片
编程学习 ·

CMake(九):生成器表达式

当运行CMake时,开发人员倾向于认为它是一个简单的步骤,需要读取项目的CMakeLists.txt文件,并生成相关的特定于生成器的项目文件集(例如Visual Studio解决方案和项目文件,Xcode项目,Unix Makefiles或Ninja输入文件)。然…
暂无图片
编程学习 ·

47.第十章 网络协议和管理配置 -- 网络配置(八)

4.3.3 route 命令 路由表管理命令 路由表主要构成: Destination: 目标网络ID,表示可以到达的目标网络ID,0.0.0.0/0 表示所有未知网络,又称为默认路由,优先级最低Genmask:目标网络对应的netmaskIface: 到达对应网络,应该从当前主机哪个网卡发送出来Gateway: 到达非直连的网络,…
暂无图片
编程学习 ·

元宇宙技术基础

请看图: 1、通过AR、VR等交互技术提升游戏的沉浸感 回顾游戏的发展历程,沉浸感的提升一直是技术突破的主要方向。从《愤怒的小鸟》到CSGO,游戏建模方式从2D到3D的提升使游戏中的物体呈现立体感。玩家在游戏中可以只有切换视角,进而提升沉浸…
暂无图片
编程学习 ·

flink的伪分布式搭建

一 flink的伪分布式搭建 1.1 执行架构图 1.Flink程序需要提交给 Job Client2.Job Client将作业提交给 Job Manager3.Job Manager负责协调资源分配和作业执行。 资源分配完成后,任务将提交给相应的 Task Manage。4.Task Manager启动一个线程以开始执行。Task Manage…
暂无图片
编程学习 ·

十进制正整数与二进制字符串的转换(C++)

Function one: //十进制数字转成二进制字符串 string Binary(int x) {string s "";while(x){if(x % 2 0) s 0 s;else s 1 s;x / 2;}return s; } Function two: //二进制字符串变为十进制数字 int Decimal(string s) {int num 0, …
暂无图片
编程学习 ·

[含lw+源码等]微信小程序校园辩论管理平台+后台管理系统[包运行成功]Java毕业设计计算机毕设

项目功能简介: 《微信小程序校园辩论管理平台后台管理系统》该项目含有源码、论文等资料、配套开发软件、软件安装教程、项目发布教程等 本系统包含微信小程序做的辩论管理前台和Java做的后台管理系统: 微信小程序——辩论管理前台涉及技术:WXML 和 WXS…
暂无图片
编程学习 ·

树莓派驱动DHT11温湿度传感器

1,直接使用python库 代码如下 import RPi.GPIO as GPIO import dht11 import time import datetimeGPIO.setwarnings(True) GPIO.setmode(GPIO.BCM)instance dht11.DHT11(pin14)try:while True:result instance.read()if result.is_valid():print(ok)print(&quo…
暂无图片
编程学习 ·

ELK简介

ELK简介 ELK是三个开源软件的缩写,Elasticsearch、Logstash、Kibana。它们都是开源软件。不过现在还新增了一个 Beats,它是一个轻量级的日志收集处理工具(Agent),Beats 占用资源少,适合于在各个服务器上搜集日志后传输给 Logstas…
暂无图片
编程学习 ·

Linux 基础

通常大数据框架都部署在 Linux 服务器上,所以需要具备一定的 Linux 知识。Linux 书籍当中比较著名的是 《鸟哥私房菜》系列,这个系列很全面也很经典。但如果你希望能够快速地入门,这里推荐《Linux 就该这么学》,其网站上有免费的电…
暂无图片
编程学习 ·

Windows2022 无线网卡装不上驱动

想来 Windows2022 和 windows10/11 的驱动应该差不多通用的,但是死活装不上呢? 搜一下,有人提到 “默认安装时‘无线LAN服务’是关闭的,如果需要开启,只需要在“添加角色和功能”中,选择开启“无线LAN服务…
暂无图片
编程学习 ·

【嵌入式面试宝典】版本控制工具Git常用命令总结

目录 创建仓库 查看信息 版本回退 版本检出 远程库 Git 创建仓库 git initgit add <file> 可反复多次使用&#xff0c;添加多个文件git commit -m <message> 查看信息 git status 仓库当前的状态git diff 差异对比git log 历史记录&#xff0c;提交日志--pret…
暂无图片
编程学习 ·

用Postman生成测试报告

newman newman是一款基于nodejs开发的可以运行postman脚本的工具&#xff0c;使用Newman&#xff0c;可以直接从命令运行和测试postman集合。 安装nodejs 下载地址&#xff1a;https://nodejs.org/en/download/ 选择自己系统相对应的版本内容进行下载&#xff0c;然后傻瓜式安…
暂无图片
编程学习 ·

Java面向对象之多态、向上转型和向下转型

文章目录前言一、多态二、引用类型之间的转换Ⅰ.向上转型Ⅱ.向下转型总结前言 今天继续Java面向对象的学习&#xff0c;学习面向对象的第三大特征&#xff1a;多态&#xff0c;了解多态的意义&#xff0c;以及两种引用类型之间的转换&#xff1a;向上转型、向下转型。  希望能…