[数据挖掘实战系列] Kaggle之泰坦尼克号灾难（下）
2018-05-14 本文已影响11人
简书用户9527
如果没有看到上册的话：可以点击这里:
[数据挖掘实战系列] Kaggle之泰坦尼克号灾难（上）https://www.jianshu.com/p/fc5f33d4b84c
上主要是对数据进行一些处理，这里的下主要是对数据进行一些分析：
（一）描述性分析
（1）单身存活率
d = train3[['isalone','Survived']].groupby(['isalone']).mean()
d
# d.loc[0,'Survived']
image.png
看来秀恩爱死得早在这里并不适用啊。
（2.1） 单身与死亡率的直方图
# 6.2 单身与死亡率的直方图
plt.bar(
[0,1],
[1-d.loc[0,'Survived'],1-d.loc[1,'Survived']],
0.5,
color='r',
alpha=1.0,
)
plt.xticks([0,1],['notalone','alone'])
plt.show()
image.png
（3）男性女性存活率
n = train3[['Sex','Survived']].groupby(['Sex']).mean()
n
image.png
# 6.3.1 不同性别死亡率条形图
plt.bar(
[0,1],
[1-n.loc[0,'Survived'],1-n.loc[1,'Survived']],
0.5,
color='g',
alpha=0.9,
)
plt.xticks([0,1],['female','male'])
plt.show()
image.png
男人不怕死？？exm ，可能是妇女先走，男人断后！
（4）仓位存活率
# 6.4 仓位存活率
c = train3[['Pclass','Survived']].groupby(['Pclass']).mean()
c
image.png
# 6.4.1 三个不同仓位死亡率条形图
plt.bar(
[0,1,2],
[1-c.loc[1,'Survived'],1-c.loc[2,'Survived'],1-c.loc[3,'Survived']],
0.5,
color='b',
alpha=0.8,
)
plt.xticks([0,1,2],[1,2,3])
plt.show()
image.png
有钱人哈，不知道该怎么表达此刻我怎样的心情 ，有钱人多多少少还是有方法活下来的，尽管不知道用的什么方法活下来的。
（5） 年龄存活率
# 6.4 年龄存活率
age = train3[['Age','Survived']].groupby(['Age']).mean()
age
image.png
作图秀一下？？
image.png
image.png
装X失败，呵呵。各位大佬能否扶我一下？
（6）票价存活率
# 6.5 票价存活率
fare = train3[['Fare','Survived']].groupby(['Fare']).mean()
fare
image.png
image.png
image.png
相同的地方跌倒两次，看来确实有必要认真的搞一下了，大牛们，能否指点一波？？
（二）数据模型定义
简单粗暴的方式，对不起：原谅我。
（1）数据模型处理
- 单身死
- 男性全死
- 女性全活
- 三等舱全死
感觉很毒啊，这个模型定义的，一个字：死！
# 单身死
result.loc[test3[test3.loc[:,'isalone']==1].loc[:,'PassengerId'].values] = 0
result.head()
image.png
result.to_csv('isalone.csv')
# 判断：男性全死，女性全活，三等舱全死
new3 = pd.DataFrame(np.arange(0,418),index=test3.loc[:,'PassengerId'].values)
new3[0]=0 # 默认全死
new3.head()
image.png
# 三等舱死
new3.loc[test2[test2.loc[:,'Pclass'] == 3].loc[:,'PassengerId'].values] = 0
new3.head()
image.png
（2）机器学习建模
from sklearn import neighbors,datasets
x = train3.loc[:,['Pclass','Sex','familysize']]
y = train3.loc[:,'Survived'] # 生死
clf = neighbors.KNeighborsClassifier(n_neighbors=20)
clf.fit(x,y)# knn训练
clf
image.png
# knn预测
pre_z = clf.predict(test3.loc[:,['Pclass','Sex','familysize']])
pre_z
image.png
# 伪造表
s = np.arange(892,1310)
s
results= pd.DataFrame(pre_z,index=s)
result.head()
image.png
