使用python3 学习了决策树分类器的api
涉及到 特征的提取，数据类型保留，分类类型抽取出来新的类型
需要网上下载数据集，我把他们下载到了本地，
可以到我的git下载代码和数据集: https://github.com/linyi0604/MachineLearning
1 import pandas as pd 2 from sklearn.cross_validation import train_test_split 3 from sklearn.feature_extraction import DictVectorizer 4 from sklearn.tree import DecisionTreeClassifier 5 from sklearn.metrics import classification_report 6 7 ''' 8 决策树 9 涉及多个特征，没有明显的线性关系10 推断逻辑非常直观11 不需要对数据进行标准化12 '''13 14 '''15 1 准备数据16 '''17 # 读取泰坦尼克乘客数据，已经从互联网下载到本地18 titanic = pd.read_csv("./data/titanic/titanic.txt")19 # 观察数据发现有缺失现象20 # print(titanic.head())21 22 # 提取关键特征，sex, age, pclass都很有可能影响是否幸免23 x = titanic[['pclass', 'age', 'sex']]24 y = titanic['survived']25 # 查看当前选择的特征26 # print(x.info())27 '''28 29 RangeIndex: 1313 entries, 0 to 131230 Data columns (total 3 columns):31 pclass 1313 non-null object32 age 633 non-null float6433 sex 1313 non-null object34 dtypes: float64(1), object(2)35 memory usage: 30.9+ KB36 None37 '''38 # age数据列 只有633个，对于空缺的 采用平均数或者中位数进行补充 希望对模型影响小39 x['age'].fillna(x['age'].mean(), inplace=True)40 41 '''42 2 数据分割43 '''44 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25, random_state=33)45 # 使用特征转换器进行特征抽取46 vec = DictVectorizer()47 # 类别型的数据会抽离出来 数据型的会保持不变48 x_train = vec.fit_transform(x_train.to_dict(orient="record"))49 # print(vec.feature_names_) # ['age', 'pclass=1st', 'pclass=2nd', 'pclass=3rd', 'sex=female', 'sex=male']50 x_test = vec.transform(x_test.to_dict(orient="record"))51 52 '''53 3 训练模型 进行预测54 '''55 # 初始化决策树分类器56 dtc = DecisionTreeClassifier()57 # 训练58 dtc.fit(x_train, y_train)59 # 预测 保存结果60 y_predict = dtc.predict(x_test)61 62 '''63 4 模型评估64 '''65 print("准确度:", dtc.score(x_test, y_test))66 print("其他指标：\n", classification_report(y_predict, y_test, target_names=['died', 'survived']))67 '''68 准确度: 0.781155015197568469 其他指标：70 precision recall f1-score support71 72 died 0.91 0.78 0.84 23673 survived 0.58 0.80 0.67 9374 75 avg / total 0.81 0.78 0.79 32976 '''