机器学习——泰坦尼克号幸存者预测

1、先展示本次实验所使用的硬件信息，及所使用的第三方库信息。

2、使用魔法命令获取相应的信息，信息如图示：

3、导入机器学习的相关模块。如图示：

4、读取泰坦尼克号数据。如图示：

5、数据导入后，需要对数据预先处理。一下是对导入数据的预处理。

6、删除与模型无关的特征。如图示：

7、处理缺失值。如图示：

8、提取模型所需要标签数据集。如图示：

9、提取模型所需要的特征数据集。如图示：

10、数据预处理好，划分数据集，将其划分为训练集和测试集。如图示：

11、模型所需的数据准备完成后，接下来开始建立分类决策树模型。

12、使用循环遍历max_depth参数，以及使用模型的交叉验证，为绘制模型的学习曲线收集数据。

13、测试集的最佳评估。如图示：

14、训练集的最佳评估。如图示：

15、绘制模型的学习曲线。如图示：

16、学习曲线如图示：

17、上图表示模型是欠拟合，因为测试集的成绩大于训练集的成绩。

18、下面介绍网格搜索，可以用网格搜索寻找最佳的参数组合。

19、接下来用网格搜索探索最佳参数。如图示：

20、由于网格搜索的本质是枚举，因此执行网格搜索需要等待一些时间。

21、网格搜索完毕后，可以利用best_params_属性获取最佳的参数组合。如图示：

22、网格搜索完毕后，可以利用best_score_属性获取最佳参数的评估成绩。如图示：

23、新建一个分类树模型，将网格搜索得到的最佳参数传入模型。如图示：

24、查看训练集的评估成绩，对比之前的评估成绩，模型的评估成绩提高了。具体如图示：

25、注意网格搜索得出的结果，并不一定都是最优的。

26、接下来绘制分类决策树。如图示：

27、决策树如图示：

28、以上就是分类决策树在在此案例中的应用。