案例：泰坦尼克號乘客生存預測

• 泰坦尼克號資料

在泰坦尼克號和titanic2資料幀描述泰坦尼克號上的個別乘客的生存狀態。這裡使用的資料集是由各種研究人員開始的。其中包括許多研究人員建立的旅客名單，由Michael A. Findlay編輯。我們提取的資料集中的特徵是票的類別，存活，乘坐班，年齡，登陸，home.dest，房間，票，船和性別。

1、乘坐班是指乘客班（1，2，3），是社會經濟階層的代表。

2、其中age資料存在缺失。

分析

• 選擇我們認為重要的幾個特徵 ['pclass', 'age', 'sex']
• 填充缺失值
• 特徵中出現類別符號，需要進行one-hot編碼處理(DictVectorizer)
  • x.to_dict(orient="records") 需要將陣列特徵轉換成字典資料
• 資料集劃分
• 決策樹分類預測

#泰坦尼克號決策樹
def titanic():
    #1.獲取資料
    data_titanic=pd.read_csv("titanic.csv")
    #2.獲取目標值與特徵值
    x=data_titanic[["pclass","age","sex"]]
    y=data_titanic["survived"]
    #3.資料處理
    #1).缺失值處理
    x["age"].fillna(x["age"].mean(),inplace=True)#填補處理dropna()刪除缺失值所在的行
    #2).轉換為字典
 

    x=x.to_dict(orient="records")
    #4.劃分資料集
    x_train,x_test,y_train,y_test=train_test_split(x,y,random_state=22)
    #5.字典特徵抽取
    transfer=DictVectorizer()
    x_train=transfer.fit_transform(x_train)
    x_test=transfer.transform(x_test)
    #6.決策樹預估器
    estimator=DecisionTreeClassifier(criterion="
 
entropy")#criterion預設為gini係數，此處選擇的為資訊增益的熵
    #max_depth:樹深的大小,random_state：隨機數種子
    estimator.fit(x_train,y_train)
    #7.模型評估
    y_predict=estimator.predict(x_test)
    print("y_predict:\n",y_predict)
    print("直接對比真實值和預測值:\n",y_test==y_predict)
    score=estimator.score(x_test,y_test)
    print("準確率為：\n",score)
    #8.決策樹視覺化
    export_graphviz(estimator,out_file="titanic_tree.dot",feature_names=transfer.get_feature_names())
    #使用隨機森林
    estimator=RandomForestClassifier()