kaggle泰坦尼克号之灾-小白极简版

例子描述：

比赛地址：https://www.kaggle.com/c/titanic
使用乘客数据（即姓名，年龄，性别，社会经济舱等）,建立一个预测模型来回答以下问题：“什么样的人更有可能生存？” 。这是一个只适合小白的极简版本，不求排名，只求入门。

所需环境：Anaconda3

下载并安装：Anaconda3-2020.02-Windows-x86_64.exe
下载页面：https://www.anaconda.com/distribution/
下载地址：https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe

3个步骤：

1. 阅读比赛介绍，下载数据集
2. 导入数据集
3. 选择特征作为训练数据
4. 构建模型
5. 预测测试数据生成gender_submission.csv文件，用于提交到kaggle
6. 上传gender_submission.csv文件到kaggle

1. 阅读比赛介绍，下载数据集

比赛介绍：https://www.kaggle.com/c/titanic/overview

下载数据集：https://www.kaggle.com/c/titanic/data

image.png

2. 导入数据集

打开Anaconda3并启动Jupyter Notebook

image.png image.png 新建Python文件编写代码

编写代码：

#导入相关模块
import numpy as np 
import pandas as pd
#导入数据
train_data = pd.read_csv("D:/Anaconda3/notebook/kaggle/Titanic/data/train.csv") #你下载的数据集文件路径，不要用中文
train_data.head() #查看前5行数据

3. 选择特征作为训练数据

1. PassengerID（ID）
2. Survived(存活与否)
3. Pclass（客舱等级，较为重要）
4. Name（姓名，可提取出更多信息）
5. Sex（性别，较为重要）
6. Age（年龄，较为重要）
7. Parch（直系亲友）
8. SibSp（旁系）
9. Ticket（票编号）
10. Fare（票价）
11. Cabin（客舱编号）
12. Embarked（上船的港口编号）

features = ["Pclass", "Sex", "SibSp", "Parch"]  #四个特征
X = pd.get_dummies(train_data[features])  #构造训练样本数据
y = train_data["Survived"]  #构造训练标签数据

为了简单，这里只选择4个特征用于模型训练

4. 构建模型

from sklearn.ensemble import RandomForestClassifier #使用随机森林
model = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1) #构造模型
model.fit(X, y) #训练模型

5. 预测测试数据生成gender_submission.csv文件，用于提交到kaggle

X_test = pd.get_dummies(test_data[features]) #选择特征，构造测试样本数据
predictions = model.predict(X_test)  #对测试数据继续预测
output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions})
output.to_csv('D:/Anaconda3/notebook/kaggle/Titanic/data/gender_submission.csv', index=False) #保存预测结果
print("预测结果gender_submission.csv文件保存成功，可以提交到kaggle了")

6. 上传gender_submission.csv文件到kaggle

提交文件 选择文件然后提交

这里有个错误，是因为提交文件需要翻墙

翻墙后成功

翻墙后再次提交成功