决策树入门案例

最新推荐文章于 2022-06-19 19:39:18 发布

转载最新推荐文章于 2022-06-19 19:39:18 发布 · 659 阅读

文章标签：

#决策树 #泰坦尼克号

机器学习同时被 2 个专栏收录

4 篇文章

订阅专栏

人工智能

3 篇文章

订阅专栏

本文介绍了一次使用决策树算法对泰坦尼克号乘客生存数据进行预测的实战过程。从数据获取、预处理到模型训练，再到结果评估及决策树的可视化，全面展示了决策树在分类任务中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

决策树练习泰坦尼克号生存数据决策树

原文出处链接[link]https://www.cnblogs.com/youngsea/p/9330229.html

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction import DictVectorizer #特征转换器
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report
from sklearn import tree

#1.数据获取
titanic = pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')
#print titanic.head()
#print titanic.info()
X = titanic[['pclass','age','sex']]  #提取要分类的特征。一般可以通过最大熵原理进行特征选择
y = titanic['survived']
print (X.shape)   #(1313, 3)
#print X.head()
#print X['age']

#2.数据预处理：训练集测试集分割，数据标准化
X['age'].fillna(X['age'].mean(),inplace=True)   #age只有633个，需补充，使用平均数或者中位数都是对模型偏离造成最小的策略
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,random_state=33)  # 将数据进行分割

vec = DictVectorizer(sparse=False)
X_train = vec.fit_transform(X_train.to_dict(orient='record'))   #对训练数据的特征进行提取
X_test = vec.transform(X_test.to_dict(orient='record'))         #对测试数据的特征进行提取
#转换特征后，凡是类别型型的特征都单独独成剥离出来，独成一列特征，数值型的则不变
print (vec.feature_names_)   #['age', 'pclass=1st', 'pclass=2nd', 'pclass=3rd', 'sex=female', 'sex=male']

#3.使用决策树对测试数据进行类别预测
dtc = DecisionTreeClassifier()
dtc.fit(X_train,y_train)
y_predict = dtc.predict(X_test)

#4.获取结果报告
print ('Accracy:',dtc.score(X_test,y_test))
print (classification_report(y_predict,y_test,target_names=['died','servived']))


#5.将生成的决策树保存为dot_data文件，用于可视化
with open("jueceshu.dot", 'w') as f:
    f = tree.export_graphviz(dtc, out_file = f)

#三种可视化方式