实战八：美国人口普查数据进行收入预测分类

最新推荐文章于 2023-12-21 09:57:26 发布

超级圈

最新推荐文章于 2023-12-21 09:57:26 发布

阅读量9.1k

点赞数 6

分类专栏：机器学习算法与实战

本文链接：https://blog.youkuaiyun.com/weixin_44953364/article/details/98318866

版权

这篇博客详细介绍了如何利用美国人口普查数据进行收入预测分类。内容包括数据的读取、预处理以及模型构建和预测，旨在通过实例探讨数据分析和机器学习的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第一步：读取数据

# 读入数据
import pandas as pd
df = pd.read_csv("data/adult.data", header=None)
print(df.head())

第二步：数据处理

# 数据处理一：去除字符串数值前面的空格
str_cols=[1,3,5,6,7,8,9,13,14]
for col in str_cols:
    df.iloc[:,col]=df.iloc[:,col].map(lambda x: x.strip())

# 数据处理二： 删除缺失值样本
# 将?字符串替换为NaN缺失值标志
import numpy as np
df.replace("?",np.nan,inplace=True)
# 此处直接删除缺失值样本(包含缺失值的行都删除)
df.dropna(inplace=True)

# 数据处理三：对字符数据进行编码
from sklearn.preprocessing import LabelEncoder
label_encoder=[] # 放置每一列的encoder
encoded_set = np.empty(df.shape)
for col in range(df.shape[1]):
    encoder=None
    if df.iloc[:,col].dtype==object: # 字符型数据
        encoder=Label