Python机器学习实例-逻辑回归模型预测泰坦尼克号生还_机器学习,使用python scikit-learn中提供的算法类搭建回归模型。选用泰坦尼克号幸

import pandas as pd

# 从Panda库里面用read_csv读入数据库

data = pd.read_csv('E:/WQY Python/07LogisticRegression/train.csv') 

# 数据文件存在目录E:/WQY Python/07LogisticRegression/train.csv下

data.info()

#对训练集进行数据分析

data.describe()

#运用这条语句进行数据的描述统计分析

import matplotlib.pyplot as plt

#get_ipython().magic(u'matplotlib inline')

#引用matplotlib.pyplot库模型来判断性别生还情况

Survived_m = data.Survived[data.Sex == 'male'].value_counts()

#所有获救的人是男性（male）的人数

Survived_f = data.Survived[data.Sex == 'female'].value_counts()

#所有获救的人是女性（female）的人数

df = pd.DataFrame({u'male':Survived_m, u'female':Survived_f})

#显示上述读取到的男性女性信息，以行和列形式来表示，行表示男，女；列表示是否生还

df.plot(kind = 'bar', stacked = True)

# df.plot画图函数，类型（kind）为bar竖直条形图，stacked为true数据堆叠起来

plt.title(u'mf')

#标题为u'mf'

plt.xlabel(u'aa')

#x轴标为u'aa'

plt.ylabel(u'sss')

#y轴标为u'sss'

Survived_0 = data.Embarked[data.Survived == 0].value_counts()

#登船港口的死亡情况

Survived_1 = data.Embarked[data.Survived == 1].value_counts()

#登船港口的存活情况

df = pd.DataFrame({u'aa':Survived_1,u'ssss':Survived_0})

#显示上述读取到的男性女性信息，以行和列形式来表示，aa表示活下来，ssss表示失事

df.plot(kind = 'bar', stacked = True)

# df.plot画图函数，类型（kind）为bar竖直条形图，stacked为true数据堆叠起来

plt.title(u'ssssss')

#条型图标题ssssss

plt.xlabel(u'ssssss')

#x轴标写ssssss

plt.ylabel(u'cccccc')

#y轴标写cccccc

plt.show()

# 删除姓名、ID、船票、客舱等无关信息，axis=0 删除行，=1 删除列

data.drop(['Name','PassengerId','Ticket','Cabin'], axis=1, inplace=True)

# 用平均值或众数填充缺失数据

data['Age'] = data['Age'].fillna(data['Age'].mean())

data['Fare'] = data['Fare'].fillna(data['Fare'].mean())

data['Embarked'] = data['Embarked'].fillna(data['Embarked'].value_counts().index[0])

# 将性别与登船港口进行独热编码

dumm = pd.get_dummies(data[['Sex','Embarked']], drop_first=True)

data = pd.concat([data, dumm], axis=1)

data.drop(['Sex','Embarked'], axis=1, inplace=True)

# 数据缩放

data['Age']=(data['Age']-data['Age'].min())/(data['Age'].max()-data['Age'].min())

data['Fare']=(data['Fare']-data['Fare'].min())/( data['Fare'].max()-data['Fare'].min())

from sklearn.model_selection import train_test_split

X = data.drop('Survived', axis=1)

#X为存活下删除列后数据

y = data.Survived

#y为存活数据

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

#预留30%数据用于评价模型

from sklearn.linear_model import LogisticRegression

LR = LogisticRegression()

#构建训练模型

LR.fit(X_train, y_train)

print('训练集准确率：\n', LR.score(X_train, y_train))

print('验证集准确率：\n', LR.score(X_test, y_test))

#test模型准确率