泰坦尼克号-决策树模型

最新推荐文章于 2025-11-12 20:28:05 发布

原创

最新推荐文章于 2025-11-12 20:28:05 发布 · 1.7k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#可视化 #机器学习 #python

该案例通过泰坦尼克号乘客数据，运用决策树算法进行生存预测。首先，对数据进行预处理，填充缺失值，然后使用特征如社会经济阶层、年龄和性别作为输入，训练并评估模型。模型在测试集上的准确率为某个值。最后，通过可视化工具展示决策树结构，并讨论其优缺点及防止过拟合的策略。

案例：泰坦尼克号乘客生存预测

学习目标

通过案例进一步掌握决策树算法api的具体使用

1 案例背景

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。

案列
我们提取到的数据集中的特征包括票的类别，是否存活，乘坐班次，年龄，登陆home.dest，房间，船和性别等。
泰坦尼克号数据
经过观察数据得到:

乘坐班是指乘客班（1，2，3），是社会经济阶层的代表。
其中age数据存在缺失。

2 步骤分析

1.获取数据
2.数据基本处理

2.1 确定特征值,目标值
2.2 缺失值处理
2.3 缺失值处理- 项目

3.特征工程(字典特征抽取)
4.机器学习(决策树)
5.模型评估

3 代码实现

导入需要的模块


import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')
from sklearn.tree import DecisionTreeClassifier,export_graphviz
from sklearn.feature_extraction import DictVectorizer
from sklearn.model_selection import train_test_split

data=pd.read_csv("titanic.txt")
x=data[['pclass','age','sex']]
y=data['survived']
# print(x)
# import sys
# sys.exit()
x['age'].fillna(x['age'].mean(),inplace=True)#inplace = true 在原字段中修改
# print(x)
# x=x.to_dict(orient='records')
# print(x)
train_x,test_x,train_y,test_y=train_test_split(x,y,random_state=22)
transf=DictVectorizer