机器学习-决策树之回归树案例（泰克尼克号）

下雨天再见

于 2019-04-13 11:44:15 发布

阅读量2.4k

点赞数 2

分类专栏： sklearn机器学习-监督式学习文章标签：机器学习-决策树之回归树案例

本文链接：https://blog.youkuaiyun.com/weixin_43213268/article/details/89280117

版权

这篇博客介绍了使用决策树进行回归分析的案例，聚焦于泰坦尼克号数据集。内容包括数据预处理，如删除无关特征和处理缺失值，特征与标签矩阵的提取，模型训练与预测。通过交叉验证和学习曲线评估模型性能，然后进行参数调优，使用网格搜索方法得到0.826的准确率。虽然有所提升，但模型仍有优化空间。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、决策树之回归树案例

1.导入相关库

import pandas  as pd 
from  sklearn.tree import DecisionTreeClassifier
import  matplotlib.pyplot as plt
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import  train_test_split,cross_val_score

2.读入数据，数据探索

data=pd.read_csv('data_1.csv')
data.head()
data.info()#分类器必须处理数值型的，需要把对象数据转换成数值型

结果显示：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            714 non-null float64
SibSp          891 non-null int64
Parch          891 non-null int64
Ticket         891 non-null object
Fare           891 non-null float64
Cabin

最低0.47元/天解锁文章