泰坦尼克再揭秘，泰坦尼克遇难记
第一步是从Kaggle官网下载泰坦尼克号救援预测分析案例数据，第二步是在浏览器中打开Jupiter并选择Python，第三步是上传泰坦尼克号救援预测分析案例数据。
第四步是数据预处理。即读取数据并使用.describe()显示汇总数据。这是代码：
进口熊猫
泰坦尼克号=pandas.read_csv('train.csv')
泰坦尼克号.describe()
运行后你会得到如下结果
各列字段数据的统计结果显示，年龄数据缺失。您可以在此处查看数据源检查
您可以看到Age 列缺少值。
第五步，填写缺失值。您可以使用平均值来填充缺失值，而不是取最大值或最小值。
泰坦尼克号['年龄']=泰坦尼克号['年龄'].fillna(泰坦尼克号['年龄'].median())
泰坦尼克号.describe()
#titanic['Age'].median()，这是表的年龄列的中值。
#fillna(titanic['Age'].median())，填充年龄列中位数的中值。
#titanic['Age'].fillna(titanic['Age'].median())，用age列中中值的中位数填充age列中的空值
完成后，输出数据将如下所示显示，您会注意到Age 列不再为空值。
第六步，处理字符数据，将其转换为数值数据。原因是机器算法无法处理字符类型，而算法分类可以通过将字符类型转换为数字类型来完成。在数据源中，可以看到性别列是字符。您可以将男性指定为0。女性的值被指定为1。
titanic.loc[titanic['Sex']=='male','Sex']=0, #将male替换为0
titanic.loc[titanic['Sex']=='female','gender']=1, #将female替换为1
print(titanic['Sex'].unique()), #在Sex列中显示唯一值
运行效果如下。
同样，将Embarked 列中的字母S、C 和Q 更改为0、1 和2。
在此之前，您可以检查该列的唯一值是什么。
执行结果显示nan，代表NULL值。所以你可以先输入其他点。这里还可以统计S、C、Q三个点中哪一个点的点数多。您可以选择更多点。需要填写的点。
从上面的统计结果可以看出，S点的乘客人数最多，因此将缺失的登机点填为S。填充完成后统计显示S增加了2，说明数据只少了2。
您还可以打印列的唯一值以确保不存在缺失值。
接下来，将Embarked 列中的字母S、C 和Q 更改为0、1 和2。如果您先赋值，然后打印唯一值，您将看到字符已成功替换。
就我们的目的而言，预测要么被救助，要么不被救助。 0表示未救援，1表示救援成功。
第七步，选择特征指标，选择算法，进行预测。
1.选择回归模型预测
1）线性回归、拟合。
运行此代码一次会产生令人惊讶的糟糕结果，第二次运行会报告错误。发生了什么？
2）通常，逻辑回归用于分类，但这里Cross_val_score也用于交叉验证。执行结果如下
运行结果是0.79……不是很理想，不是很准确，不是很有效。
3）选择下面更高级的算法——随机森林。
从sklearn 导入model_selection
from sklearn.ensemble import RandomForestClassifier，这里我们称之为随机森林
detectors=['Pclass','Sex','Age','SibSp','Parch','Fare','Embarked']，这里我们选择一些可以影响救援的参数。
alg=RandomForestClassifier(random_state=1,n_estimators=10,min_samples_split=2,min_samples_leaf=1)。数字10代表10棵决策树，数字2和1用于控制停止分裂决策树的条件。
kf=model_selection.KFold(n_splits=3, shuffle=True, random_state=1)
scroes=model_selection.cross_val_score(alg, 泰坦尼克号[预测器], 泰坦尼克号['生存'],cv=kf)
#再次使用3次交叉验证。
print(scores.mean())#打印预测准确率
上述代码运行结果如下：
我们可以看到，准确率与回归模型预测的结果相同。接下来，调整决策树参数并检查预测精度。
决策树数量改为100，停止分裂参数分别为4和2。准确度没有改变。还是一样吗？为什么？需要解决办法吗？
2. 特征选择
在原有特征的基础上，添加兄弟姐妹数量['Sibsp]、儿童或老人数量['Parch']、身份['Mr、Miss、Dr.']、名词等特征。长度和其他特征。看看您是否可以进一步提高预测准确性。
#添加以下两个功能。
泰坦尼克号['家庭规模']=泰坦尼克号['SibSp']+泰坦尼克号['Perch']
泰坦尼克号['名称长度']=泰坦尼克号['名称'].apply(lambda x: len(x))
#将名称中包含的ID转换为数字
重新导入
def get_title(名称):
title_search=re.search('([A-Za-z]+)\.',名称)
对于title_search:
返回title_search.group(1)
返回''
标题=泰坦尼克号['名称'].apply(get_title)
打印（pandas.value_counts（标题））
title_mapping={'先生':1,'小姐':2,'夫人':3,'大师':4,'博士':5,'Rev':6,'少校':7,'上校':7,'女士':8,'Mme ':8、'唐':9、'女士':10、'伯爵夫人':10、'约翰·凯尔':10、'先生':9、'船长':7、'先生':2}
对于title_mapping.items(): 中的k,v
标题[标题==k]=v
打印（pandas.value_counts（标题））
泰坦尼克号['标题']=标题
执行结果如下。
绘制特征以查看哪些特征最显着
将numpy 导入为np
从sklearn.feature_selection 导入SelectKBest、f_classif
将matplotlib.pyplot 导入为plt
detectors=['Pclass','性别','年龄','SibSp','Parch','票价','登船','家庭规模','头衔','NameLength']
选择器=SelectKBest(f_classif,k=5)
选择器.fit(泰坦尼克号[预测器],泰坦尼克号['生存'])
疮=-np.log10(selector.pvalues_)
plt.bar(范围(len(预测变量)), 分数)
plt.xticks(范围(len(预测器)),预测器，旋转='垂直')
plt.show()
Predictor=['P 舱位','性别','票价','职称']
alg=RandomForestClassifier(random_state=1,n_estimators=50,min_samples_split=8,min_samples_leaf=4)
手术结果如何？图像没有出现？
我尝试按照视频进行操作，但感到很困惑。请帮我找出问题所在。谢谢。
