Day22 Kaggle泰坦尼克号训练实战

​

作业

自行学习参考如何使用kaggle平台，写下使用注意点，并对下述比赛提交代码
kaggle泰坦里克号人员生还预测

一、流程

思路概述

1. 数据加载 ：读取泰坦尼克号的训练集和测试集。
2. 数据预处理 ：处理缺失值、对分类变量进行编码、提取特征等。
3. 模型训练 ：选择合适的机器学习模型并在训练集上进行训练。
4. 模型预测 ：使用训练好的模型对测试集进行预测。
5. 结果提交 ：将预测结果保存为符合 Kaggle 要求的 CSV 文件。

个人感觉kaggle竞赛平台是根据你自己交的.csv文件去和平台上完全正确的.csv文件进行比对。
从官网上下载数据集，判断每个特征的含义，以及数据类型，属性。

特征名称	中文含义	数据类型	详细解释
PassengerId	乘客编号	整数	每个乘客独一无二的标识，用于区分不同乘客
Survived	是否幸存	整数	目标变量，0 表示未幸存，1 表示幸存
Pclass	客舱等级	整数	乘客所购船票对应的舱位等级，1 为一等舱，2 为二等舱，3 为三等舱。一般等级越高，乘客社会经济地位越高
Name	乘客姓名	字符串	包含乘客的全名，可能包含头衔信息，如 Mr.、Miss. 等
Sex	性别	字符串	乘客的性别，取值为 male（男性）或 female（女性）
Age	年龄	浮点数	乘客的年龄，部分数据存在缺失值。年龄可能影响生存概率，例如儿童和老人可能在救援中更受照顾
SibSp	兄弟姐妹及配偶数量	整数	乘客在船上的兄弟姐妹和配偶的总数。反映乘客的家庭关系情况
Parch	父母及子女数量	整数	乘客在船上的父母和子女的总数。同样反映乘客的家庭关系情况
Ticket	船票编号	字符串	乘客所持船票的唯一编号，格式多样，可能包含字母和数字
Fare	船票票价	浮点数	乘客购买船票所支付的费用，与客舱等级可能存在关联
Cabin	客舱编号	字符串	乘客所在的客舱编号，大量数据存在缺失值。不同客舱位置可能影响乘客在灾难发生时逃生的难易程度
Embarked	登船港口	字符串	乘客登船的港口，C 代表瑟堡（Cherbourg），Q 代表皇后镇（Queenstown），S 代表南安普顿（Southampton）

二、解题代码

逻辑都写在注释里面了，参考别人的代码，不过可以看出来是很标准的机器学习训练及测试的代码。

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import LabelEncoder
from sklearn.impute import SimpleImputer# 加载数据
train_data = pd.read_csv('./titanic/train.csv')
test_data = pd.read_csv('./titanic/test.csv')# 提取特征和标签
y = train_data["Survived"]features = ["Pclass", "Sex", "SibSp", "Parch", "Fare", "Embarked"]
X = train_data[features]
X_test = test_data[features]# 处理分类变量
label_encoders = {}
for col in ["Sex", "Embarked"]:le = LabelEncoder()# 处理训练集X[col] = le.fit_transform(X[col].astype(str))# 处理测试集X_test[col] = le.transform(X_test[col].astype(str))label_encoders[col] = le# 处理缺失值
imputer = SimpleImputer(strategy='median')
X = pd.DataFrame(imputer.fit_transform(X), columns=X.columns)
X_test = pd.DataFrame(imputer.transform(X_test), columns=X_test.columns)# 模型训练
model = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1)
model.fit(X, y)# 模型预测
predictions = model.predict(X_test)# 保存结果
output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions})
output.to_csv('submission.csv', index=False)

​​​​