泰坦尼克号数据分析预测建模准确率测算

原创

已于 2022-01-20 11:08:54 修改 · 置顶 · 1.7k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #csv #数据分析

于 2022-01-20 10:59:46 首次发布

通过对泰坦尼克号乘客数据的预处理、特征工程及模型训练，实现对乘客生存概率的有效预测。文章详细介绍了数据清洗、特征转换及模型评估的过程。

泰坦尼克号数据分析预测建模准确率测算

目录
- 本文思路：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
get_ipython().run_line_magic('matplotlib', 'inline')
from sklearn.linear_model import LogisticRegressionCV
from sklearn.ensemble import RandomForestClassifier
from sklearn import tree
from sklearn.model_selection import train_test_split

path=r'C:\Users\Administrator\Desktop\titanic.csv' #导入数据，此处的数据为完整的数据集，后续会直接将数据集直接划分为训练集和测试集。划分方法为：库sklearn.model_selection 中的 train_test_split。

data = pd.read_csv(path)
data['Survived'].value_counts().plot.pie(autopct='%0.2f%%')
# In[22]:
data[['Sex','Survived']].groupby(['Sex']).mean().plot.bar()
# In[23]:
data[['Pclass','Survived']].groupby(['Pclass']).mean().plot.bar()
# In[24]:
# 按照年龄，将乘客划分为儿童、少年、成年和老年，分析四个群体的生还情况
bins = [0, 12, 18, 65, 100]
data['Age_group'] = pd.cut(data['Age'], bins)
by_age = data.groupby('Age_group')['Survived'].mean()
by_age.plot.bar()
# In[25]:
fig, ax = plt.subplots(1, 2, figsize = (18, 8))
sns.violinplot("Pclass", "Age", hue="Survived", data=data, split=True, ax=ax[0])
ax[0].set_title('Pclass and Age vs Survived')
# ax[0