超级会员免费看
本文基于Kaggle数据集分析青少年酒驾风险行为，探讨性别、年级、年龄、吸烟和驾照等因素的影响。数据显示，女生、吸烟者和有驾照的青少年酒驾风险相对较高，且年级上升风险稍有增加。通过决策树等机器学习模型进行预测。
结果：
数据说明
本数据集的重点是青少年最近（在过去30天内）是否乘坐过醉酒司机的车。
本数据集包含13387条记录，涉及以下6个变量：
是否在过去30天内与饮酒驾驶者一起乘车：1=有；0=没有
是否是女性：1=女性；0=男性
就读年级：9，10，11，12
年龄
是否吸烟：1=是；0=否
是否拥有驾照：1=有；0=没有
实战三十七：基于机器学习决策树knn svm lgb的酒驾风险行为预测完整代码数据 可直接运行
于 2023-07-08 14:39:29 首次发布
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
