数据挖掘案例: 泰坦尼克号

Kalika ·

更新时间:2024-11-01

· 777 次阅读

目录:*. 数据挖掘流程一. 数据读取与统计分析二. 特征分析 & 缺失值填充2.1 性别与获救2.2 船舱等级与获救2.3 年龄与获救2.4 姓名(称谓) 与获救2.5 填充缺失值2.6 登船地点与获救2.7 兄弟姐妹的数量2.8 父母和孩子的数量2.9 船票的价格三. 特征相关性3.1 相关性热度图3.2 热度图下三角四. 构建特征4.1 年龄特征4.2 家庭总人口4.3 船票价格4.4 类型转换与特征清洗五. 机器学习建模5.1 切分训练集与测试集5.2 逻辑回归 LogisticRegression5.3 支持向量机 SVM5.4 决策树 DecisionTree5.5 随机森林 RandomForest5.6 K近邻 KNeighbors5.7 高斯贝叶斯 Naive Bayes5.8 梯度提升树 GradientBoosting六. 交叉验证七. 混淆矩阵八. 超参数调整 GridSearchCV九. 集成模块9.1 投票分类器9.2 引导聚类算法 Bagging9.3 自适应增强 AdaBoost9.4 梯度提升 GradientBoosting十. 特征重要性 *. 数据挖掘流程

（一）数据读取：

读取数据，并进行展示统计数据各项指标明确数据规模与要完成任务

（二）特征理解分析

单特征分析，逐个变量分析其对结果的影响多变量统计分析，综合考虑多种情况影响统计绘图得出结论

（三）数据清洗与预处理

对缺失值进行填充特征标准化/归一化筛选有价值的特征分析特征之间的相关性

（四）建立模型

特征数据与标签准备数据集切分多种建模算法对比集成策略等方案改进 一. 数据读取与统计分析

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#plt.style.use('fivethirtyeight')
sns.set_style('darkgrid')
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
data = pd.read_csv(r'F:\51学习\study\数据挖掘案例\泰坦尼克号\train.csv')
print(data.shape)
data.head()

原创文章 72获赞 14访问量 1万+ 关注私信展开阅读全文
作者：弎见