决策树——泰坦尼克号

具体步骤：

1、导入相关扩展包

from sklearn.model_selection import train_test_split  # 划分数据集
from sklearn.feature_extraction import DictVectorizer  #字典特征值提取
from sklearn.tree import DecisionTreeClassifier  # 决策树
from sklearn.tree import export_graphviz  # 决策树可视化
import pandas as pd

2、获取数据

titanic=pd.read_csv("./train.csv")

3、筛选特征值和目标值

x=titanic[["Pclass","Age","Sex"]]        #特征值
y=titanic["Survived"]                   #目标值

特征值：

目标值：

4、转化为字典

x=x.to_dict(orient="records")

转化结果：

5、字典特征值抽取

transfer=DictVectorizer()
x_train=transfer.fit_transform(x_train)
x_test=transfer.transform(x_test)

6、决策树预估器(estimator)

estimator = DecisionTreeClassifier(criterion="entropy")  # criterion默认为'gini'系数，也可选择信息增益熵'entropy'
estimator.fit(x_train, y_train)  # 调用fit()方法进行训练,()内为训练集的特征值与目标值

7、模型评估

方法一：直接对比真实值和预测值

 y_predict = estimator.predict(x_test)  # 传入测试集特征值，预测所给测试集的目标值
 print("y_predict:\n", y_predict)
 print("直接对比真实值和预测值：\n", y_test == y_predict)

方法二：计算准确率

score = estimator.score(x_test, y_test)  # 传入测试集的特征值和目标值

8、决策树可视化

export_graphviz(estimator, out_file="titanic_tree.dot", feature_names=transfer.get_feature_names())

主要代码：

def titanic_demo():
    # 1.获取数据
    titanic=pd.read_csv("./train.csv")

    # 2.筛选特征值和目标值
    x=titanic[["Pclass","Age","Sex"]]        #特征值
    y=titanic["Survived"]                   #目标值
    # print(x.head())
    # print(y.head())

    # 3.数据处理（缺失值处理，特征值——>字典类型）
        #缺失值处理
    x["Age"].fillna(x["Age"].mean(),inplace=True)
    # print(x)
        #转换为字典
    x=x.to_dict(orient="records")
    # print(x)

    # 4.划分数据集
    x_train,x_test,y_train,y_test=train_test_split(x,y,random_state=22)

    # 5.字典特征抽取
    transfer=DictVectorizer()
    x_train=transfer.fit_transform(x_train)
    x_test=transfer.transform(x_test)

    # 6.决策树预估器(estimator)
    estimator = DecisionTreeClassifier(criterion="entropy")  # criterion默认为'gini'系数，也可选择信息增益熵'entropy'
    estimator.fit(x_train, y_train)  # 调用fit()方法进行训练,()内为训练集的特征值与目标值

    # 7.模型评估
    # 方法一：直接对比真实值和预测值
    y_predict = estimator.predict(x_test)  # 传入测试集特征值，预测所给测试集的目标值
    print("y_predict:\n", y_predict)
    print("直接对比真实值和预测值：\n", y_test == y_predict)

    # 方法二：计算准确率
    score = estimator.score(x_test, y_test)  # 传入测试集的特征值和目标值
    print("准确率为：\n", score)

    # 8.决策树可视化
    export_graphviz(estimator, out_file="titanic_tree.dot", feature_names=transfer.get_feature_names())


    return None

运行结果：

可视化结果（因图规模过大导致截图展示不完整）：