决策树--＞预测泰坦尼克号哪些人可以幸存

女爷i 2022-11-14 13:18 138阅读 0赞

# 决策树–>预测泰坦尼克号哪些人可以幸存 #

## 1、数据地址 ##

https://datahub.csail.mit.edu/download/jander/historic/file/titanic.csv  
数据描述  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center]

## 2、实验目标 ##

通过对决策树算法对泰坦尼克号历史数据进行学习，学习幸存用户所具备的一些特性，从而指导对未来沉船时哪些用户的预测。（假设场景）

## 3、编写代码 ##

首先导入pandas 库用于读取数据以及对数据的基本操纵

# 导入库
    import numpy as np
    import pandas as pd

# 读取数据
    titanic = pd.read_csv('./train.csv')
    titanic.head() #查看数据集的前五行

# 导入missingo库查看缺失值分布，绘图时需要依赖于matplotlib.pyplot
    # missingo库用户查看缺失值分布
    import missingno 
    import matplotlib.pyplot as plt
    missingno.bar(titanic)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center 1]  
通过missingo绘制的柱状图发现数据存在缺失值，对存在缺失值的数据进行处理。

# 缺失值处理
    titanic['Age']  = titanic['Age'].fillna(titanic['Age'].mean())  #使用均值填充
    titanic['Embarked'] = titanic['Embarked'].fillna('S') #S为Embarked出现次数最对的值所以对缺失值使用众数填充

# 缺失值填充后的数据
    missingno.bar(titanic)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center 2]删除不相关数据。  
此处删除不相关数据时为认为判断，还可以更换为使用特征选择中的方法进行选择，比如使用皮尔逊相关系数。

titanic_drop_data = titanic.drop(['Cabin','Name','Survived','Ticket'],axis=1)  #axis表示按列删除

再次观察数据，

missingno.bar(titanic_drop_data)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center 3] 通过图片可以发现不想关列已经被删除掉了。

为了方便后续建模对数据进行编码，此处选择的方式时独热编码,将字符型数据转换为数值型。

# 数据预处理-->独热编码
    dummy_enconded_data = pd.get_dummies(titanic_drop_data)

数据挖掘准备工作

# 指定类标号，告知分类器按照哪些类比进行划分
    y_target =  titanic['Survived'].values
    y_target
    # 指定建模数据
    x_feature = dummy_enconded_data.values

拆分出训练集和测试集，训练集进行建模，测试集对模型准确率进行验证。

# 导入训练集测试集拆分模块
    from sklearn.model_selection import train_test_split
    # 拆分数据
    # 训练集  测试集 训练集标号   测试集标号
    x_train,x_test,y_train,y_test = train_test_split(x_feature,y_target,test_size=0.3,random_state=1)

进行数据建模

# 导入决策树算法模块
    from sklearn import tree
    # 构建模型                              决策树属性选择方式  数据的深度
    tree_one = tree.DecisionTreeClassifier(criterion='gini',max_depth=5)
    tree_one.fit(x_train,y_train)

模型测试

# 模型测试
    tree_one_zq = tree_one.score(x_test,y_test) 
    out = tree_one_zq*100
    print(round(out,3),'%')

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center]: /images/20221022/531088f6647b4231aedcd0ec2f07dacb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221022/2a22adaadf62404bb46cb4a05ef0800a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221022/187b77eaae33498e890fc7f5b970f201.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMzAwMTIz_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221022/bab56c72b5ed4e82ac37ea345bde225a.png