機器學習之路: python 決策樹分類DecisionTreeClassifier 預測泰坦尼克號乘客是否幸存

 

 

使用python3 學習了決策樹分類器的api

涉及到 特征的提取，數據類型保留，分類類型抽取出來新的類型

需要網上下載數據集，我把他們下載到了本地，

可以到我的git下載代碼和數據集: https://github.com/linyi0604/MachineLearning

 

import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report

'''
決策樹
涉及多個特征，沒有明顯的線性關系
推斷邏輯非常直觀
不需要對數據進行標准化
'''

'''
1 准備數據
'''
# 讀取泰坦尼克乘客數據，已經從互聯網下載到本地
titanic = pd.read_csv("./data/titanic/titanic.txt")
# 觀察數據發現有缺失現象
# print(titanic.head())

# 提取關鍵特征，sex, age, pclass都很有可能影響是否幸免
x = titanic[['pclass', 'age', 'sex']]
y = titanic['survived']
# 查看當前選擇的特征
# print(x.info())
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1313 entries, 0 to 1312
Data columns (total 3 columns):
pclass    1313 non-null object
age       633 non-null float64
sex       1313 non-null object
dtypes: float64(1), object(2)
memory usage: 30.9+ KB
None
'''
# age數據列 只有633個，對於空缺的 采用平均數或者中位數進行補充 希望對模型影響小
x['age'].fillna(x['age'].mean(), inplace=True)

'''
2 數據分割
'''
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25, random_state=33)
# 使用特征轉換器進行特征抽取
vec = DictVectorizer()
# 類別型的數據會抽離出來 數據型的會保持不變
x_train = vec.fit_transform(x_train.to_dict(orient="record"))
# print(vec.feature_names_)   # ['age', 'pclass=1st', 'pclass=2nd', 'pclass=3rd', 'sex=female', 'sex=male']
x_test = vec.transform(x_test.to_dict(orient="record"))

'''
3 訓練模型 進行預測
'''
# 初始化決策樹分類器
dtc = DecisionTreeClassifier()
# 訓練
dtc.fit(x_train, y_train)
# 預測 保存結果
y_predict = dtc.predict(x_test)

'''
4 模型評估
'''
print("准確度:", dtc.score(x_test, y_test))
print("其他指標：\n", classification_report(y_predict, y_test, target_names=['died', 'survived']))
'''
准確度: 0.7811550151975684
其他指標：
              precision    recall  f1-score   support

       died       0.91      0.78      0.84       236
   survived       0.58      0.80      0.67        93

avg / total       0.81      0.78      0.79       329
'''