六、（1）决策树和随机森林分析泰坦尼克号乘客数据

六、（1）决策树和随机森林分析泰坦尼克号乘客数据。

数据集下载地址https://pan.baidu.com/s/1g76H1913c5vYK1z02Ba_5w，密码 ：yj1y ，保存为csv格式即可。

本文参考网上相关算法文章，对经典数据进行预测分析。以掌握该算法相关知识点。
csv格式如图示，选取pclass、age、room、sex四个特征值。

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Wed May 22 13:42:53 2019

@author: sun
"""
import pandas as pd
from sklearn.feature_extraction import DictVectorizer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.tree import DecisionTreeClassifier, export_graphviz

def decision():
    """
    决策树对泰坦尼克号进行预测生死
    :return: None
    """
    # 获取数据
    titan = pd.read_csv(r"C:\Users\sun\Desktop\论文\算法代码\决策树和随机森林\尼克号.csv",engine='python')

    # 处理数据，找出特征值和目标值
    x = titan[['pclass', 'age', 'sex','floor']]

    y = titan['survived']

    #print(x)
    
    # 缺失值处理
    x['age'].fillna(x['age'].mean(), inplace=True)
    x['floor'].fillna(value = 0, inplace=True)
    
    print(x)

    # 分割数据集到训练集合测试集
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

    # 进行处理（特征工程）特征-》类别-》one_hot编码
    dict = DictVectorizer(sparse=False)

    x_train = dict.fit_transform(x_train.to_dict(orient="records"))

    print(dict.get_feature_names())

    x_test = dict.transform(x_test.to_dict(orient="records"))

    print(x_train)
    # 用决策树进行预测，设置深度为8
    dec = DecisionTreeClassifier(max_depth=8)
    #
    dec.fit(x_train, y_train)
    #
    # # 预测准确率
    print("决策树预测的准确率：", dec.score(x_test, y_test))
    

    # # 导出决策树的结构
    export_graphviz(dec, out_file="./尼克号tree.dot", feature_names=['年龄', 'floor','pclass=1st', 'pclass=2nd', 'pclass=3rd', '女性', '男性'])

    # 随机森林进行预测 （超参数调优）
    rf = RandomForestClassifier(n_jobs=-1)

    rf.fit(x_train, y_train)

    print("随机森林预测的准确率：", rf.score(x_test, y_test))
    print("数据越多，随机森林准确率越大")
    
    param = {"n_estimators": [100, 200, 300, 500, 800, 1200], "max_depth": [5, 8, 15, 25, 30]}

    # 网格搜索与交叉验证，cv=2，默认为none
    gc = GridSearchCV(rf, param_grid=param, cv=2)

    gc.fit(x_train, y_train)

    print("准确率：", gc.score(x_test, y_test))

    print("查看选择的参数模型：", gc.best_params_)

    return None

if __name__ == "__main__":
    decision()

输出结果如图示：

./尼克号tree.dot 决策树可视化需安装graphviz：

1、下载graphviz。下载第一个，一路next即可。

2、下载打开后，找到 ./尼克号tree.dot路径运行即可

搞定收工。

“☺☺☺ 若本篇文章对你有一丝丝帮助，请帮顶、评论点赞，谢谢。☺☺☺”

↓↓↓↓