kaggle 泰坦尼克号生还者预测
2017-09-28 17:07
363 查看
import pandas as pd from sklearn.tree import DecisionTreeClassifier #决策树 from sklearn.model_selection import cross_val_score df = pd.read_csv("train.csv") #数据清洗,补全有缺失的数据 df.Age.fillna(df.Age.mean(),inplace = True) #将female,male替换成数字1 0 df["Sex_int"] = df["Sex"].map({"female":1 , "male":0}) # print(df.info()) #选择特征 X = df[["Sex_int", "Age" , "Pclass"]] y = df.Survived model = DecisionTreeClassifier() scores = cross_val_score(model , X , y , cv= 10 ) print(scores) print(scores.mean())
相关文章推荐
- 【Kaggle笔记】预测泰坦尼克号乘客生还情况(决策树)
- (决策树)泰坦尼克号生还者简单预测
- 数据科学工程师面试宝典系列之二---Python机器学习kaggle案例:泰坦尼克号船员获救预测
- kaggle 泰坦尼克号生存预测——六种算法模型实现与比较
- kaggle初探--泰坦尼克号生存预测
- kaggle——泰坦尼克号生死预测
- 数据科学工程师面试宝典系列之二---Python机器学习kaggle案例:泰坦尼克号船员获救预测
- 项目0:泰坦尼克生还者预测
- Kaggle:一套完整的网站流量预测模型
- R语言 logistic regression model预测泰坦尼克号生还情况
- 自动预测保险理赔:机器学习之特征预处理(Kaggle保险索赔竞赛案例)
- [kaggle系列 三] 使用SVM判断是否能从泰坦尼克号生还
- Kaggle 入门:探索泰坦尼克号事故幸存情况分析
- Kaggle入门实例-预测房价
- 基于机器学习多种方法的kaggle竞赛入门之手写数字的图像识别预测
- 泰坦尼克号预测生还案例的分析(一)
- 机器学习系列(18)_Kaggle债务违约预测冠军经验分享
- 决策树-泰坦尼克号生还预测
- kaggle_房价预测
- Tensorflow案例分析(1)—— 使用逻辑回归进行泰坦尼克号预测