决策树解决泰坦尼克号人员生存预测问题报告

从python和机器学习小白，大概是用了几天学了简单python，然后写了一个最简单的决策树算法，大部分都是调用,简单总结一些解决的泰坦尼克号问题。

首先是流程分析：1、获取数据。2、数据处理（特征值处理，特征值->字典类型）。3、划分数据集。4、特征工程（字典特征提取）。5、决策树预估器流程。6、模型评估。7、决策树可视化。

1、获取数据：

官网下载一直出现错误，所以我从CSDN论坛上面下载了一个，不过数据集有些问题，有一万多条数据，和事件情况不符，而且里面不少缺失数据，但是我看到很多人都是用这个数据集进行的分析。

代码：

2、数据处理：

我打开数据集发现影响生存率的条件很多，包括年龄、舱位等等。其中我在特征值中选出了年龄、性别、是不是贵族，年龄对缺失值进行了补充，原则是补上平均值。最后一步转换成字典。

代码：

3、划分数据集:

将训练集和测试集按照3：7分开，随机样本数设成50。

代码：

4、特征工程：

主要做字典特征抽取。首先，实例化转换器。其次调用fit_transfrom()，训练集和测试集要进行同样的处理。

代码：

5、决策树预估器流程：

选用了ID3算法，网上搜索到深度20比较合适泰坦尼克案例。

代码：

6、模型评估：

选择了两种方法,法一是直接对比，能看出测试集是否正确，法二直接输出正确率。

代码：
结果：

7、决策树可视化：

生成.dot文件，不过我电脑打开生成图像的网站一直显示加载中，最后只生成了dot文件，没有转化成树的图像。

代码：

#最后我尝试了模型选择和调优，加入了网格搜索和交叉验证，最终显示准确率变化不大，我查询资料说是这个数据集不适合决策树。后来问了其他人，他说是数据处理的不够细致。而且加入这些以后，进行决策树可视化的时候一直报错，简单讨论之后并没有找到解决办法。这次完成的并不是很好，但是这几天的学习中，我确定了自己对机器学习有浓厚兴趣，我会继续学习提高自己。

源代码截图：