Titanic - Machine Learning from Disaster

数据集

通过网盘分享的文件：
链接: https://pan.baidu.com/s/17TLeF8PW2GSWTbAIJC69-A?pwd=4dak 提取码: 4dak

准备工作

# 导入必要的库  
import numpy as np  # 用于数值计算（如矩阵运算、数学函数等）  
import pandas as pd  # 用于数据处理和分析（如读取CSV、数据清洗等）  

# 使用 os.walk() 遍历 '/kaggle/input/' 目录及其子目录  
# 该目录通常存放 Kaggle 比赛或项目的数据集  
for dirname, _, filenames in os.walk('/kaggle/input'):  
    # 遍历当前目录下的所有文件名  
    for filename in filenames:  
        # 打印文件的完整路径（目录名 + 文件名）  
        print(os.path.join(dirname, filename))  

# 这段代码的作用：  
# 1. 检查 '/kaggle/input/' 目录下有哪些数据文件  
# 2. 帮助用户确认数据是否已正确加载  
# 3. 方便后续代码读取数据文件（如 pd.read_csv()）  

导入训练集数据，查看部分数据

# 导入数据
train_data = pd.read_csv("/kaggle/input/titanic/train.csv")
# 看开头部分数据
train_data.head()

导入测试集数据，查看部分数据

test_data = pd.read_csv("/kaggle/input/titanic/test.csv")
test_data.head()

探索数据

看女性存活率

# 从训练数据中筛选性别为女性的乘客，并提取其生存状态（Survived列）
women = train_data.loc[train_data.Sex == 'female']["Survived"]

# 计算女性乘客的生存率（生存人数 / 总女性人数）
rate_women = sum(women) / len(women)

# 打印女性生存率（格式化为百分比形式）
print("% of women who survived:", rate_women)

看男性存活率

men = train_data.loc[train_data.Sex == 'male']["Survived"]
rate_men = sum(men)/len(men)

print("% of men who survived:", rate_men)

训练与预测

# 导入随机森林分类器（scikit-learn 库）
from sklearn.ensemble import RandomForestClassifier

# 定义目标变量 y（即训练数据中的生存状态：0=死亡，1=存活）
y = train_data["Survived"]

# 选择特征列：舱位等级、性别、兄弟姐妹/配偶数量、父母/子女数量
features = ["Pclass", "Sex", "SibSp", "Parch"]

# 对训练数据和测试数据进行独热编码（One-Hot Encoding），将分类变量（如Sex）转换为数值
X = pd.get_dummies(train_data[features])  # 训练集特征
X_test = pd.get_dummies(test_data[features])  # 测试集特征

# 初始化随机森林模型，参数：
# n_estimators=100（100棵树）, max_depth=5（树的最大深度）, random_state=1（固定随机种子）
model = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1)

# 训练模型：输入特征 X 和目标变量 y
model.fit(X, y)

# 对测试集进行预测，生成生存预测结果（0或1）
predictions = model.predict(X_test)

# 将预测结果保存为DataFrame，包含两列：乘客ID和预测的生存状态
output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions})

# 输出到CSV文件（用于Kaggle提交），不保存行索引（index=False）
output.to_csv('submission.csv', index=False)

# 打印成功信息
print("Your submission was successfully saved!")