数据挖掘之DecisionTreeClassifier决策树

用决策树DecisionTreeClassifier的数据挖掘算法来经过三个参数，Pclass,Sex,Age，三个参数来求取乘客的获救率。

分为三大步：

一，建立决策树DecisionTreeClassifier 对象

二，对象调用fit()函数，训练数据，创建模型

三，对象调用predict()函数，对须要预测的数据，预测。

代码以下：

import numpy as np
import pandas as pd
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier

def Titanic_survived():
 df = pd.read_csv('Titanic.csv')#获取信息表
 #将nan替换为0
 df.fillna(df['Age'].mean(),inplace = True)


 dict_train = df.loc[:,['Pclass','Age','Sex']].to_dict(orient='record')
 dict_target = pd.DataFrame(df['Survived'],columns=['Survived']).to_dict(orient='record')

 #训练数据字典向量化
 dv_train = DictVectorizer(sparse=False)
 x_train = dv_train.fit_transform(dict_train)

 #目标数据字典向量化,将字符串变成数字
 dv_target = DictVectorizer(sparse=False)
 y_target = dv_target.fit_transform(dict_target)



 #建立训练模型并训练
 d_tree = DecisionTreeClassifier()#第一步，建立决策树对象
 d_tree.fit(x_train,y_target)#第二步，决策树对象d_tree调用fit函数，训练数据创建模型

 data_predict = {
 'Pclass':'Bonnell',
 'Age':60,
 'Sex': 'female'

 }

 x_data = dv_train.transform(data_predict)
 #第三步，决策树对象d_tree，调用predict()函数，预测结果
 print(dv_target.inverse_transform(d_tree.predict(x_data).reshape(-1,1)))Titanic_survived()