比赛实例 1 ： Titanic 乘客是否幸存预测

最新推荐文章于 2022-06-09 01:20:12 发布

原创

最新推荐文章于 2022-06-09 01:20:12 发布 · 766 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #数据分析

本文详细介绍了使用Python和机器学习技术对泰坦尼克号乘客生存情况的数据分析和预测过程，包括数据预处理、特征工程、模型训练及评估。

数据加载

import pandas as pd
train = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')
train.info()
print(train.Name)

在这里插入图片描述

可以发现，Age 和 Cabin 是缺失数据，Name 存在称谓信息可以使用，多项字符内容需要转化为可使用的标签。

可视化分析

#男女幸存差异
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

fig = plt.figure(figsize = [24, 10])
plt.subplot(2,4,1)
plt.title('男女幸存差异')
sns.barplot(x = 'Sex', y = 'Survived', data = train)

plt.subplot(2,4,2)
plt.title('社会地位带来的幸存差异Pclass')
sns.barplot(x = 'Pclass', y = 'Survived', data = train)

plt.subplot(2,4,3)
plt.title('船上兄弟姐妹和配偶的数量导致的幸存差异SibSp')
sns.barplot(x = 'SibSp', y = 'Survived', data = train)

plt.subplot(2,4,4)
plt.title('船上父母和孩子数量导致的幸存差异')
sns.barplot(x = 'Parch', y = 'Survived', data = train)

plt.subplot(2,4,5)
plt.title('船票价格的分布Fare')
sns.distplot(train.Fare, hist = True, kde = True, rug = True)

plt.subplot(2,4,6)
plt.title('船票价格导致的幸存差异Fare')
sns.kdeplot(train.loc[train['Survived'] == 0, "Fare"], shade=True, color="orange", label="survived = 0", alpha=.6)
sns.kdeplot(train.loc[train['Survived'] == 1, "Fare"], shade=True, color="blue", label="Survived = 1", alpha=.3)

plt.subplot(2,4,7)
plt.title('年龄导致的幸存差异Age')
sns.kdeplot(train.loc[train['Survived'] == 0, "Age"], shade=True, color="orange", label="survived = 0", alpha=.6)
sns.kdeplot(train.loc[train['Survived'] == 1, "Age"], shade=True, color="green", label="Survived = 1", alpha=.3)

在这里插入图片描述
Age, Cabin 的空值可以通过贝叶斯等机器学习学习得来
因此先处理 Ticket 和 Name 和 Sex 这些字符串数据

数据清洗

#对于 ticket 数据，存在重复值，说明重复值为多人结伴而行
all_data = pd.concat([train, test], axis = 0).reset_index()
party = all_data.Ticket

最低0.47元/天解锁文章