pandas结合Sklearn实现泰坦尼克存活率预测

客官°小女子只卖身不卖艺 2023-02-28 01:25 10阅读 0赞

### pandas结合Sklearn实现泰坦尼克存活率预测 ###

**实例目标：实现泰坦尼克存活预测**  
**处理步骤**：  
1、输入数据：使用Pandas读取训练数据(历史数据，特点是已经知道了这个人最后有没有活下来)  
2、训练模型：使用Sklearn训练模型  
3、使用模型：对于一个新的不知道存活的人，预估他存活的概率

import pandas as pd
    from sklearn.linear_model import LogisticRegression
    
    df_train = pd.read_csv("./pandas/ant-learn-pandas/datas/titanic/titanic_train.csv",
                       engine="python")
    print(df_train.head())
    ''' PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S '''
    # 其中，Survived==1代表这个人活下来了、==0代表没活下来；其他的都是这个人的信息和当时的仓位、票务情况
    # 我们只挑选两列，作为预测需要的特征
    feature_cols = ['Pclass', 'Parch']
    X = df_train.loc[:, feature_cols]
    print(X.head())
    
    # 单独提取是否存活的列，作为预测的目标
    y = df_train.Survived
    print(y.head())

### 训练模型 ###

# 训练模型
    # 创建模型对象
    logreg = LogisticRegression()
    
    # 实现模型训练
    logreg.fit(X, y)
    # 这两列的存活概率
    print(logreg.score(X, y))
    '''0.6879910213243546'''
    
    # 对于未知数据使用模型
    # 找一个历史数据中不存在的数据,(按照这两列去重)
    res = X.drop_duplicates().sort_values(by=["Pclass", "Parch"])
    print(res)
    ''' Pclass Parch 1 1 0 54 1 1 27 1 2 438 1 4 9 2 0 98 2 1 43 2 2 437 2 3 0 3 0 7 3 1 8 3 2 86 3 3 167 3 4 13 3 5 678 3 6 '''
    # 发现2，4是没有的
    # 预测这个数据是否存活
    res1 = logreg.predict([[2, 4]])
    print(res1)
    '''[1],表示存活'''
    # # 预测这个数据存活的概率
    res2 = logreg.predict_proba([[2, 4]])
    print(res2)
    ''' [[0.35053893 0.64946107]] 代表存活的概率是0.64946107，死亡的概率是0.35053893 '''