kaggle 泰坦尼克号数据分析

#泰坦尼克号 

https://www.kaggle.com/ 数据来源

import pandas#读取数据

titanic = pandas.read_csv("D:/panana/taitan/titanic_train.csv")#查看数据前五行

#print(titanic.head())#进行统计#

print (titanic.describe())

#对缺失值进行填写 把缺失的值按照平均值填充 fillna 缺失值填充

 titanic["Age"].median 

求出age的均值

titanic["Age"] = titanic["Age"].fillna(titanic["Age"].median())

#print(titanic.describe())

#数据预处理 把不能处理的值改成可以处理的 把字母改成数字
#先查看 字段 Sex 下有哪几种可能

#print(titanic["Sex"].unique())

#因为性别是str类型 所以要转换成int male 转换成0 female 转换成1

#loc 进行定位 把字段Sex ==male 改成 Sex==0titanic.loc[titanic["Sex"]=="male","Sex"] =0titanic.loc[titanic["Sex"]=="female","Sex"] =1

#上船地点 把str类型处理成int#查看Embarked 上船地点有哪几种类型:print(titanic["Embarked"].unique())

#得出“S”,"C","Q",nan

#因Embarked 有缺失值 所以需要补全缺失值 把所有的缺失值补成Stitanic["Embarked"] = titanic["Embarked"].fillna('S')

#把数据进行转换 S,C,Q 转换成0,1,2

titanic.loc[titanic["Embarked"]=="S","Embarked"] =0

titanic.loc[titanic["Embarked"]=="C","Embarked"] =1

titanic.loc[titanic["Embarked"]=="Q","Embarked"] =2

#导入机器学习裤子 LinearRegression 线性回归算法

from sklearn.linear_modelimport LinearRegression

#引入交叉验证

from sklearn.cross_validationimport KFold

#选择要搞的特征

predictors = ["Pclass","Sex","Age","SibSp","Parch","Fare","Embarked"]

#导入线性回归alg = LinearRegression()

#进行交叉验证的选择 n_folds =3 表示选择3倍的交叉验证 titanic.shape[0]表示m个样本#含义就是 把m个样本平均分成三份进行交叉验证

kf = KFold(titanic.shape[0],n_folds=3,random_state=1)

predictions =[]

for train, test in kf:

    #取到原始数据   train 代表训练数据 先把训练数据提取出来

    train_predictors = (titanic[predictors].iloc[train,:])

    train_target = titanic["Survived"].iloc[train]

    #.fit 表示把选择的算法应用在当前的数据上

    alg.fit(train_predictors, train_target)

    #训练完后查看模型的好坏程度  alg.predict() 对测试集数据进行预测

    test_predictions = alg.predict(titanic[predictors].iloc[test,:])

    #把测试结果导入到predictors里面

    predictions.append(test_predictions)

import numpy as np

predictions = np.concatenate(predictions,axis=0)

#类别归属 当大于0.5 存放到1  小于0.5存放到0

predictions[predictions > .5] =1

predictions[predictions <= .5]=0

#查看模型准确率

accuracy = sum(predictions[predictions == titanic["Survived"]]) /len(predictions)

print(accuracy)

最终准确率只有百分之20 --换种方法

0.2615039281705948

from sklearn import cross_validation

#LogisticRegression 逻辑回归

from sklearn.linear_model import LogisticRegression

alg = LogisticRegression(random_state = 1)

scores = cross_validation.cross_val_score(alg,titanic[predictors],titanic["Survived"],cv = 3 )

print(scores.mean())

最终准确率

0.7878787878787877

使用集成算法 随机森林

#使用随机森林进行预测 防止过拟合

from sklearn import cross_validation

#调用随机森林的包

from sklearn.ensemble import RandomForestClassifier

predictors = ["Pclass","Sex","Age","SibSp","Parch","Fare","Embarked"]

#指定随机森林的参数 n_estimators设置决策树的个数  min_samples_split最小的样本个数  min_samples_leaf 最小叶子节点的个数

alg = RandomForestClassifier(random_state=1,n_estimators=10,min_samples_split=2,min_samples_leaf=1)

#进行三次交叉验证

kf =cross_validation.KFold(titanic.shape[0],n_folds=3,random_state=1)

scores = cross_validation.cross_val_score(alg,titanic[predictors],titanic["Survived"],cv=kf)

print(scores.mean())

最终准确率

0.7856341189674523

#对参数进行修改

#更改参数像后在进行查看 把决策树个数改成50 最小样本个数提升到4 最小叶子节点提升到2

alg = RandomForestClassifier(random_state=1,n_estimators=50,min_samples_split=4,min_samples_leaf=2)

kf =cross_validation.KFold(titanic.shape[0],n_folds=3,random_state=1)

scores = cross_validation.cross_val_score(alg,titanic[predictors],titanic["Survived"],cv=kf)

print(scores.mean())

最终准确率

0.8159371492704826

未完--

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,064评论 5 466
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,606评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,011评论 0 328
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,550评论 1 269
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,465评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 47,919评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,428评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,075评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,208评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,185评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,191评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,914评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,482评论 3 302
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,585评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,825评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,194评论 2 344
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,703评论 2 339

推荐阅读更多精彩内容