【人工智能项目】- 机器学习实现收入分类预测报告

最新推荐文章于 2024-10-17 19:27:27 发布
原创 最新推荐文章于 2024-10-17 19:27:27 发布 · 5.1k 阅读 · 89 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #机器学习 #分类

本文通过机器学习方法预测个人收入是否超过50k，采用随机森林和决策树算法进行特征重要性评估，并通过交叉验证评估模型准确性。
该文章已生成可运行项目，

【人工智能项目】- 机器学习实现收入分类预测报告

题目

利用age、workclass、…、native_country等13个特征预测收入是否超过50k，是一个二分类问题。

训练集

32561个样本，每个样本14个特征，其中6个连续性特征、9个离散型特征。
在这里插入图片描述
特征介绍：
Age：年龄；
Workclass：离散值，表示工作类型，包括私人的，不为公司的，不为公司的，联邦政府的，地方政府的，州政府的，没有薪水的，从未工作过的；
Fnlwgt：连续值；
Education：学历背景；
Education-num：受教育时间；
Maritial_status：婚姻状况；
Occupation：职业；
Relationship：关系；
Race：种族；
Sex性别；
Captital_gain：资本收益；
Captital loss：损失；
Hours/week 工作时长；
Native country：国籍；
Income：收入。为该问题的label；

测试集

16281个样本，每个样本14个特征。
在这里插入图片描述

即在测试集中，根据age等14个特征，预测income是否超过50k，二分类问题。

说明

部分特征的值为“？”，表示缺失值，需要对其先处理。

实验部分

1.导入数据

# Data Manipulation 
import numpy as np
import pandas as pd

# Visualization 
import matplotlib.pyplot as plt
import missingno   #缺失值
import seaborn as sns
from pandas.tools.plotting import scatter_matrix
from mpl_toolkits.mplot3d import Axes3D

# Feature Selection and Encoding
from sklearn.feature_selection import RFE, RFECV
from sklearn.svm import SVR
from sklearn.decomposition import PCA
from sklearn.preprocessing import OneHotEncoder, LabelEncoder, label_binarize

# Machine learning 
import sklearn.ensemble as ske
from sklearn import datasets, model_selection, tree, preprocessing, metrics, linear_model
from sklearn.svm import LinearSVC
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import LinearRegression, LogisticRegression, Ridge, Lasso, SGDClassifier
from sklearn.tree import DecisionTreeClassifier
#import tensorflow as tf

# Grid and Random Search
import scipy.stats as st
from scipy.stats import randint as sp_randint
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import RandomizedSearchCV

# Metrics
from sklearn.metrics import precision_recall_fscore_support, roc_curve, auc

# Managing Warnings 
import warnings
warnings.filterwarnings('ignore')

# Plot the Figures Inline
%matplotlib inline

# 读取文件
train_data = pd.read_csv("train.csv")
test_data = pd.read_csv("test.csv")

# 查看前5行数据
train_data.head()
AgeWorkclassfnlgwtEducationEducation numMarital StatusOccupationRelationshipRaceSexCapital GainCapital LossHours/WeekNative countryIncome
039State-gov77516Bachelors13Never-marriedAdm-clericalNot-in-familyWhiteMale2174040United-States<=50K
150Self-emp-not-inc83311Bachelors13Married-civ-spouseExec-managerialHusbandWhiteMale0013United-States<=50K
238Private215646HS-grad9DivorcedHandlers-cleanersNot-in-familyWhiteMale0040United-States<=50K
353Private23472111th7Married-civ-spouseHandlers-cleanersHusbandBlackMale0040United-States<=50K
428Private338409Bachelors13Married-civ-spouseProf-specialtyWifeBlackFemale0040Cuba<=50K
# 查看前5行数据
test_data.head()
AgeWorkclassfnlgwtEducationEducation numMarital StatusOccupationRelationshipRaceSexCapital GainCapital LossHours/WeekNative country
025Private22680211th7Never-marriedMachine-op-inspctOwn-childBlackMale0040United-States
138Private89814HS-grad9Married-civ-spouseFarming-fishingHusbandWhiteMale0050United-States
228Local-gov336951Assoc-acdm12Married-civ-spouseProtective-servHusbandWhiteMale0040United-States
344Private160323Some-college10Married-civ-spouseMachine-op-inspctHusbandBlackMale7688040United-States
418?103497Some-college10Never-married?Own-childWhiteFemale0030United-States
train_data.shape

(32561, 15)

test_data.shape

(16281, 14)

train_data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 32561 entries, 0 to 32560
Data columns (total 15 columns):
Age               32561 non-null int64
Workclass         32561 non-null object
fnlgwt            32561 non-null int64
Education         32561 non-null object
Education num     32561 non-null int64
Marital Status    32561 non-null object
Occupation        32561 non-null object
Relationship      32561 non-null object
Race              32561 non-null object
Sex               32561 non-null object
Capital Gain      32561 non-null int64
Capital Loss      32561 non-null int64
Hours/Week        32561 non-null int64
Native country    32561 non-null object
Income            32561 non-null object
dtypes: int64(6), object(9)
memory usage: 3.7+ MB

train_data.describe(include=['O'])
WorkclassEducationMarital StatusOccupationRelationshipRaceSexNative countryIncome
count325613256132561325613256132561325613256132561
unique916715652422
topPrivateHS-gradMarried-civ-spouseProf-specialtyHusbandWhiteMaleUnited-States<=50K
freq22696105011497641401319327816217902917024720
test_data.describe(include=['O'])
WorkclassEducationMarital StatusOccupationRelationshipRaceSexNative country
count1628116281162811628116281162811628116281
unique91671565241
topPrivateHS-gradMarried-civ-spouseProf-specialtyHusbandWhiteMaleUnited-States
freq112105283740320326523139461086014662
train_data.columns

Index(['Age', 'Workclass', 'fnlgwt', 'Education', 'Education num',
       'Marital Status', 'Occupation', 'Relationship', 'Race', 'Sex',
       'Capital Gain', 'Capital Loss', 'Hours/Week', 'Native country',
       'Income'],
      dtype='object')

train_data.dtypes

Age                int64
Workclass         object
fnlgwt             int64
Education         object
Education num      int64
Marital Status    object
Occupation        object
Relationship      object
Race              object
Sex               object
Capital Gain       int64
Capital Loss       int64
Hours/Week         int64
Native country    object
Income            object
dtype: object

2.可视化

train_data.loc[:,['Age','fnlgwt','Capital Gain','Capital Loss','Hours/Week']].plot(subplots=True,figsize=(15,10))

array([<matplotlib.axes._subplots.AxesSubplot object at 0x000001C5C361C898>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x000001C5C368E630>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x000001C5C36B2A58>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x000001C5C345CEB8>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x000001C5C348D358>],
      dtype=object)

在这里插入图片描述

data_int=train_data.loc[:,['Age','fnlgwt','Capital Loss','Hours/Week']]
f,ax=plt.subplots(figsize=(15,15))
sns.heatmap(data_int.corr(),annot=True, linewidths=.5, fmt= '.1f',ax=ax)

<matplotlib.axes._subplots.AxesSubplot at 0x1c5c3604a20>

在这里插入图片描述

data_int.plot(kind='scatter',x='Hours/Week',y='fnlgwt',figsize=(15,8))

<matplotlib.axes._subplots.AxesSubplot at 0x1c5c3daab70>

在这里插入图片描述

data_int['Hours/Week'].plot(kind='hist',bins=50,figsize=(15,8))
plt.ylim(0,10000)
#每周工作时长看起来集中在40小时比较多

(0, 10000)

在这里插入图片描述

#看一下income与工作时长的关系
data_1=train_data.loc[:,['Hours/Week','Income']]
data_1.boxplot(by='Income',figsize=(8,8))
plt.ylim(20,70)

(20, 70)

在这里插入图片描述

plt.figure(figsize=(15,8))
sns.stripplot(x='Hours/Week',y='Income',data=data_1,jitter=True)
#小于5万美金的工作时长似乎在0-60之间分布比较均匀
#大于5万美金的似乎主要在30-50之间
#工作时间与薪资有一定相关性

<matplotlib.axes._subplots.AxesSubplot at 0x1c5c3e1eba8>

在这里插入图片描述

sns.pairplot(train_data.loc[:,['Age','fnlgwt','Capital Loss','Hours/Week','Income']],hue='Income',size=5)

<seaborn.axisgrid.PairGrid at 0x1c5c8ebf208>

在这里插入图片描述

x=train_data.loc[:,['Age', 'fnlgWt', 'Capital Loss', 'Hours/Week']]
y=train_data.Income
less_than_50k=(y.value_counts()[0])/len(y)
more_than_50k=(y.value_counts()[1])/len(y)
plt.figure(figsize=(10,8))
sns.countplot(y,)
print('年收入少于50k的占: %.2f' % less_than_50k)
print('年收入高于50k的占: %.2f' % more_than_50k)

年收入少于50k的占: 0.76
年收入高于50k的占: 0.24

在这里插入图片描述

train_data[['Education num','Education']].head(5)
#每种学历对应一个编号
Education numEducation
013Bachelors
113Bachelors
29HS-grad
3711th
413Bachelors
#大多数的学历在编号9,10,13
#9=HS-grad
#10=Some-college
#13=Bachelors
train_data['Education num'].value_counts().plot(kind='barh',figsize=(15,8),grid=False)
# print(data['education.num']==9)

<matplotlib.axes._subplots.AxesSubplot at 0x1c5cf5f8a20>

在这里插入图片描述

#性别和收入
sex_with_income=train_data[['Sex','Income']]
plt.figure(figsize=(8,8))
sex_with_income.Sex.value_counts().plot()
sex_with_income.Income.value_counts().plot()
plt.legend()

<matplotlib.legend.Legend at 0x1c5cf5f8e80>

在这里插入图片描述

特征EDA

# 读取文件
train_data = pd.read_csv("train.csv")
test_data = pd.read_csv("test.csv")

train_data.describe(include=['O']).columns

Index(['Workclass', 'Education', 'Marital Status', 'Occupation',
       'Relationship', 'Race', 'Sex', 'Native country'],
      dtype='object')

test_data.describe(include=['O']).columns

Index(['Workclass', 'Education', 'Marital Status', 'Occupation',
       'Relationship', 'Race', 'Sex', 'Native country'],
      dtype='object')

train_data[['Income','Workclass']].groupby(['Workclass'],as_index=False).mean()
WorkclassIncome
0?0.104031
1Federal-gov0.386458
2Local-gov0.294792
3Never-worked0.000000
4Private0.218673
5Self-emp-inc0.557348
6Self-emp-not-inc0.284927
7State-gov0.271957
8Without-pay0.000000
train_data[['Income','Education']].groupby(['Education'],as_index=False).mean()
EducationIncome
010th0.066452
111th0.051064
212th0.076212
31st-4th0.035714
45th-6th0.048048
57th-8th0.061920
69th0.052529
7Assoc-acdm0.248360
8Assoc-voc0.261216
9Bachelors0.414753
10Doctorate0.740920
11HS-grad0.159509
12Masters0.556587
13Preschool0.000000
14Prof-school0.734375
15Some-college0.190235
train_data[['Income','Marital Status']].groupby(['Marital Status'],as_index=False).mean()
#婚姻状态的相关性不高,可以drop
Marital StatusIncome
0Divorced0.104209
1Married-AF-spouse0.434783
2Married-civ-spouse0.446848
3Married-spouse-absent0.081340
4Never-married0.045961
5Separated0.064390
6Widowed0.085599
train_data[['Income','Occupation']].groupby(['Occupation'],as_index=False).mean()
#有缺失数据,drop掉
OccupationIncome
0?0.103635
1Adm-clerical0.134483
2Armed-Forces0.111111
3Craft-repair0.226641
4Exec-managerial0.484014
5Farming-fishing0.115694
6Handlers-cleaners0.062774
7Machine-op-inspct0.124875
8Other-service0.041578
9Priv-house-serv0.006711
10Prof-specialty0.449034
11Protective-serv0.325116
12Sales0.269315
13Tech-support0.304957
14Transport-moving0.200376
train_data[['Income','Relationship']].groupby(['Relationship'],as_index=False).mean()
#drop
RelationshipIncome
0Husband0.448571
1Not-in-family0.103070
2Other-relative0.037717
3Own-child0.013220
4Unmarried0.063262
5Wife0.475128
train_data[['Income','Race']].groupby(['Race'],as_index=False).mean()
#保留
RaceIncome
0Amer-Indian-Eskimo0.115756
1Asian-Pac-Islander0.265640
2Black0.123880
3Other0.092251
4White0.255860
train_data[['Income','Sex']].groupby(['Sex'],as_index=False).mean()
#先保留
SexIncome
0Female0.109461
1Male0.305737
train_data[['Income','Native country']].groupby(['Native country'],as_index=False).mean()
#drop
Native countryIncome
0?0.250429
1Cambodia0.368421
2Canada0.322314
3China0.266667
4Columbia0.033898
5Cuba0.263158
6Dominican-Republic0.028571
7Ecuador0.142857
8El-Salvador0.084906
9England0.333333
10France0.413793
11Germany0.321168
12Greece0.275862
13Guatemala0.046875
14Haiti0.090909
15Holand-Netherlands0.000000
16Honduras0.076923
17Hong0.300000
18Hungary0.230769
19India0.400000
20Iran0.418605
21Ireland0.208333
22Italy0.342466
23Jamaica0.123457
24Japan0.387097
25Laos0.111111
26Mexico0.051322
27Nicaragua0.058824
28Outlying-US(Guam-USVI-etc)0.000000
29Peru0.064516
30Philippines0.308081
31Poland0.200000
32Portugal0.108108
33Puerto-Rico0.105263
34Scotland0.250000
35South0.200000
36Taiwan0.392157
37Thailand0.166667
38Trinadad&Tobago0.105263
39United-States0.245835
40Vietnam0.074627
41Yugoslavia0.375000
train_data.describe().columns

Index(['Age', 'fnlgwt', 'Education num', 'Capital Gain', 'Capital Loss',
       'Hours/Week', 'Income'],
      dtype='object')

g=sns.FacetGrid(train_data,col='Income')
g.map(plt.hist,'Age',bins=20)
print('观察:')
print("小于50k的年龄在20-40")
print('大于50k的人数少,在30-50之间')
print('年龄应该作为特征之一保留')

观察:
小于50k的年龄在20-40
大于50k的人数少,在30-50之间
年龄应该作为特征之一保留

在这里插入图片描述

#保留的分类特征:sex,race,education
grid=sns.FacetGrid(train_data,col='Income',row='Education',size=3,aspect=2)
grid.map(plt.hist,'Age',alpha=0.5,bins=20)
grid.add_legend()
print('观察:')
print('三种学历:bachelors,HS-grad,some-college')
print('some-college年薪小于5万的主要在20-30之间最多')

观察:
三种学历:bachelors,HS-grad,some-college
some-college年薪小于5万的主要在20-30之间最多

在这里插入图片描述

grid=sns.FacetGrid(train_data,col='Income',row='Education',size=3,aspect=2)
grid.map(plt.hist,'fnlgwt',alpha=0.5,bins=20)
grid.add_legend()
print('观察:')
print('drop特征fnlwgt')

观察:
drop特征fnlwgt

在这里插入图片描述

train_data.columns

Index(['Age', 'Workclass', 'fnlgwt', 'Education', 'Education num',
       'Marital Status', 'Occupation', 'Relationship', 'Race', 'Sex',
       'Capital Gain', 'Capital Loss', 'Hours/Week', 'Native country',
       'Income'],
      dtype='object')

grid=sns.FacetGrid(train_data,col='Income',row='Race',size=3,aspect=2)
grid.map(plt.hist,'Hours/Week',alpha=0.5,bins=20)
grid.add_legend()
# print('观察:')
# print('drop特征hours.per.week)

<seaborn.axisgrid.FacetGrid at 0x1c5d1739278>

在这里插入图片描述

train_data.columns

Index(['Age', 'Workclass', 'fnlgwt', 'Education', 'Education num',
       'Marital Status', 'Occupation', 'Relationship', 'Race', 'Sex',
       'Capital Gain', 'Capital Loss', 'Hours/Week', 'Native country',
       'Income'],
      dtype='object')

train_data
AgeWorkclassfnlgwtEducationEducation numMarital StatusOccupationRelationshipRaceSexCapital GainCapital LossHours/WeekNative countryIncome
039State-gov77516Bachelors13Never-marriedAdm-clericalNot-in-familyWhiteMale2174040United-States0
150Self-emp-not-inc83311Bachelors13Married-civ-spouseExec-managerialHusbandWhiteMale0013United-States0
238Private215646HS-grad9DivorcedHandlers-cleanersNot-in-familyWhiteMale0040United-States0
................................................
3256052Self-emp-inc287927HS-grad9Married-civ-spouseExec-managerialWifeWhiteFemale15024040United-States1

32561 rows × 15 columns

#保留的分类特征:sex,race,education
grid=sns.FacetGrid(train_data,row='Race',size=3,aspect=5)
grid.map(sns.pointplot,'Education','Income','Sex',markers=["^", "o"], linestyles=["-", "--"])
grid.add_legend()
print('女性的收入始终小于男性')
print('黑人博士学位的收入很高,亚裔女博士收入比亚裔男博士高')
print('亚裔和印度裔硕士的收入高,其中亚裔男性比女性高,印度裔女性与男性一样高')

女性的收入始终小于男性
黑人博士学位的收入很高,亚裔女博士收入比亚裔男博士高
亚裔和印度裔硕士的收入高,其中亚裔男性比女性高,印度裔女性与男性一样高

在这里插入图片描述

#categorical and numerical features的相关性
#sex,race,education
grid = sns.FacetGrid(train_data, row='Education', col='Income', size=2.2, aspect=1.6)
grid.map(sns.barplot, 'Sex', 'Age', alpha=0.5, ci=None)
grid.add_legend()

<seaborn.axisgrid.FacetGrid at 0x1c5d119ba20>

在这里插入图片描述

start

# 读取文件
import pandas as pd

train_data = pd.read_csv("train.csv")
test_data = pd.read_csv("test.csv")

train_data.columns

Index(['Age', 'Workclass', 'fnlgwt', 'Education', 'Education num',
       'Marital Status', 'Occupation', 'Relationship', 'Race', 'Sex',
       'Capital Gain', 'Capital Loss', 'Hours/Week', 'Native country',
       'Income'],
      dtype='object')

#drop 特征
train_data=train_data.drop(['Workclass','fnlgwt','Education','Marital Status',
                'Occupation','Relationship','Capital Gain','Capital Loss','Native country','Hours/Week'],axis=1)

#drop 特征
test_data = test_data.drop(['Workclass','fnlgwt','Education','Marital Status',
                'Occupation','Relationship','Capital Gain','Capital Loss','Native country','Hours/Week'],axis=1)

train_data.shape

(32561, 5)

test_data.shape

(16281, 4)

train_data.Race.unique()

array([1, 2, 3, 4, 5], dtype=int64)

train_data
AgeEducation numRaceSexIncome
03913110
15013110
32559229110
32560529101

32561 rows × 5 columns

test_data
AgeEducation numRaceSex
025721
138911
16280351311

16281 rows × 4 columns

模型

target='Income'
x_columns=[x for x in train_data.columns if x not in [target]]
X_train=train_data[x_columns]
Y_train=train_data['Income']

from sklearn.model_selection import train_test_split
x_train,x_valid,y_train,y_valid=train_test_split(X_train,Y_train,test_size=0.1)
x_train.shape,y_train.shape,x_valid.shape,y_valid.shape

((29304, 4), (29304,), (3257, 4), (3257,))

from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier()
rf.fit(x_train,y_train)

RandomForestClassifier()

rf.feature_importances_

array([0.4581014 , 0.38324504, 0.03954043, 0.11911313])

from sklearn.model_selection import cross_val_score
scores=cross_val_score(rf,x_valid,y_valid)
print(round(scores.mean()*100,2),'%')

77.1 %



from sklearn.tree import DecisionTreeClassifier
rf = DecisionTreeClassifier()
rf.fit(x_train,y_train)

DecisionTreeClassifier()

rf.feature_importances_

array([0.39165374, 0.43142822, 0.0535285 , 0.12338954])

from sklearn.model_selection import cross_val_score
scores=cross_val_score(rf,x_valid,y_valid)
print(round(scores.mean()*100,2),'%')

74.82 %

submit.csv

predict = rf.predict(test_data)

predict

array([0, 0, 0, ..., 1, 1, 1], dtype=int64)

import pandas as pd
df = pd.DataFrame({"income":predict})

df.to_csv("submit.csv",index=None)

df.head()
income
00
10
20
30
40

小结

本节主要是通过机器学习实现对收入分类的预测。
瓷们，点赞评论收藏走起来呀！！！
在这里插入图片描述

本文章已经生成可运行项目
AI人工智能里机器学习的农业产量预测
AGI×大数据，开启智能时代的认知跃迁；解码AGI，赋能数据驱动的智能革命。
07-07 1217
在全球人口持续增长与气候变化加剧的双重挑战下，准确预测农业产量已成为保障粮食安全、优化资源配置和提高农民收入的关键。本文深入探讨了机器学习技术如何变革传统农业产量预测方法，从基础概念到高级应用，全方位解析了这一交叉领域的技术原理与实践路径。通过生动的比喻、详细的代码示例和真实案例分析，我们将展示机器学习模型如何整合气候数据、土壤特性、作物生长状况和管理措施等多源信息，构建精准的产量预测系统。
【课程总结】Day6(下)：机器学习项目实战–成人收入预测
Deadwalk的专栏
06-11 1694
因为标签列的内容只有两种情况：‘<=50K’ 和’>50K’，所以只需要将这一列中’<=50K’替换为0，'>50K’替换为1即可。基于个人收入数据(包括教育程度、年龄、性别等)的数据集，通过机器学习算法，预测一个人的年收入是否超过5万美金。由于其存在潜在的数字大小对比，让算法认为特征之间存在大小关系，所以并不适用于上述的婚姻状况、职业类型、国家等。1、实现一个函数，传入三个参数：分别是离散量列的序号、连续量列序号和丢弃列序号。最后，在去除丢弃列之后，将连续量列和离散量列按照列方向堆叠为一个新的矩阵。
kaggle-2美国人口普查年收入50K分类
热门推荐
常思考->有目标->重实践->善反思
12-31 2万+
本文主要是使用xgboost， RandomForestClassifier算法实现美国1994年人口普查数据，居民年收入是否超过50K的分类问题。主要内容如下:1 数据预处理 数据信息查看，添加对应的列标签 缺失值处理，以及属性值替换 Ordinal Encoding to Categoricals（string 特征转化为整数编码） 2 模型训练以及验证 xgboost算法分类以及GridS
案例系列：美国人口普查_确定一个人年收入是否超过50K_TensorFlow决策森林的二分类
数智笔记
12-19 1553
在这里，我们定义数据集的元数据，这些元数据对于根据其类型对输入特征进行编码非常有用。# 目标列名称。# 目标列的标签。# 权重列名称。# 数值特征的名称。"age",# 分类特征及其词汇表。"race","sex","year",现在我们进行基本的数据准备。# 准备数据框架# 将目标标签从字符串转换为整数# 将分类特征转换为字符串类型# 对训练数据和测试数据进行数据框架准备现在让我们展示训练和测试数据框的形状，并显示一些实例。
阿旭机器学习实战【3】KNN算法进行年收入预测
阿旭的博客
10-28 1955
机器学习实战【3】KNN算法进行年收入预测
基于机器学习进行销售预测分析
weixin_40050195的博客
12-24 1337
根据集团客户历史销售数据，结合对市场未来需求数据、相关行业政策数据等，预测未来周期内客户销售收入，用以指导企业销售策略，加强计划性，提高经济效益。 通过本案例，学员可以了解预测的相关概念及相关算法，掌握MaxCompute内部数据加工流程，掌握机器学习的方法，最终可独立解决常见的收入预测场景。 课程链接：基于机器学习进行销售预测分析 课程学习： 01预测分析定义及作用 介绍什么是预测、预...
NCU-机器学习-作业4：基于XGboost的收入分类预测
最新发布
weixin_52470573的博客
10-17 700
在train/目录下包含一个train.csv文件，其中每行表示数据的一条记录。文件中每行共有18列，列income为收入分类(0表示小于等于50k，1表示大于50k）。其余各列为数据对象的各项参数特征（连续属性：age、fnlwgt、education-num、capital-gain；离散属性：education、marital-status、occupation、relationship、race、sex、native-country）。
Python数据分析与机器学习----收入的预测分析
sunshine543123的博客
06-24 7917
一、题目 利用age、workclass、…、native_country等13个特征预测收入是否超过50k，是一个二分类问题。 二、训练集 32561个样本，每个样本14个特征，其中6个连续性特征、9个离散型特征 三、测试集 16281个样本，每个样本14个特征， 即在测试集中，根据age等14个特征，预测income是否超过50k，二分类问题。 四、说明 部分特征的值为“？”，表示缺失值，需要对其先处理。 五、实验过程和结果 import numpy as np import pandas as pd
Income.cvs 人工智能机器学习工资与工作年限预测
06-18
标题 "Income.cvs 人工智能机器学习工资与工作年限预测" 提供了我们即将探讨的核心主题：使用人工智能和机器学习技术来预测个人工资与工作年限之间的关系。在这个项目中，我们将利用一个名为 "Income.csv" 的数据集...
毕业设计----Python机器学习实现简单的薪资预测
生夏夏的博客
02-05 2263
我想实现一个薪资的预测，但是没有学过Python的机器学习，只能根据要求来进行相应学习，所以也是自己记录一下。训练集用于训练模型，测试集用于评估模型的性能。根据预测任务，选择合适的特征字段，排除不相关的字段，并选择与预测目标相关的特征。在完成模型训练和验证后，可以使用训练好的模型对新的数据进行预测。使用训练集对模型进行训练，并调整模型的超参数以提高性能。
基于机器学习的收入预测研究.pdf
09-24
基于机器学习的收入预测研究.pdf
SalaryPredictor:使用数据挖掘机器学习算法来预测薪水
05-05
自述文件 薪水预测 数据挖掘项目 #DATA可以在项目/数据中找到
基于机器学习神经网络的个体收入预测分析 （计算机毕设完整代码数据）（博文底部vx获取）
01-19 2101
基于机器学习神经网络的个体收入预测分析 （计算机毕设完整代码数据）
（六）机器学习---销售额预测分析（线性回归分析案例）
一夜奈何梁山
12-08 1万+
目录一： 背景：二：数据概况分析：三：单变量分析： 一： 背景： 1： 分析的目的： 对各类因素投入产出比做出评估。 2： 分析的数据： 电视广告，线上，线下，门店内，微信渠道等促销投入和销售额之间的关系。 3：数据的说明： 4： 分析流程: 二：数据概况分析： 1：查看数据的前5条记录： 2：查看数据的基本信息： 3：统计各个列哪些存在空值，以及空值的数量： 由于缺失的不多，后期考虑直接删除。 三：单变量分析： 1：数据分布信息： 各个列的最大值，平均值，中位数，众数等。 2：使用de
机器学习——利用jupyter-notebook实现工资预测
m0_60524373的博客
05-02 2021
本文开发环境 tensorflow-gpu-2.6.0
基于机器学习预测岗位薪资
m0_58700887的博客
04-13 2922
本文根据某招聘网站抓取的岗位信息，来预测该岗位平均薪资。
【机器学习】李宏毅-判断年收入
Mitchell_Donovan的博客
01-04 3163
加入正则化的目的就是让模型的参数变小，使模型对数据敏感度下降，所以正则项的加入就是降低模型变化率的过程，变化率降低直观表现为模型更加平滑，使模型更加集中且增大了与真实模型之间的距离，也就是增大了偏移量bias，从而增强了高阶过拟合模型的泛化能力。用逻辑回归的方法生成的模型叫做判别模型，用高斯公式描述后验概率称为生成模型。不同的类别共享协方差矩阵，因为协方差的规模是和特征数量的平方成正比的，如果特征数量很大，协方差的尺寸也大，由于不同的高斯分布有不同的协方差矩阵，这样模型的参数就会很多，就会过拟合。
机器学习 2 （KNN实例：预测年收入、保存模型）
这里的分享，都是干货
03-03 3857
KNN实例：预测年收入1、预测年收入1.1、导入需要的包1.2、准备数据y和目标值X1.3、转换str类型的数据1.4、分割数据1.5、训练数据并测试1.6、数据归一化1.6.1、数据归一化手动写代码1.6.2、数据归一化包2、保存模型 1、预测年收入 首先我们准备一个带有年收入信息的表 这个表里面自带每年收入值 1.1、导入需要的包 读取文件 1.2、准备数据y和目标值X y：我们选取s...
机器学习算法（一）: 基于逻辑回归的分类预测①
weixin_44615614的博客
12-15 229
理论探究
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

mind_programmonkey

你的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值