參考:
https://blog.csdn.net/qian99/article/details/77916806
數據載入和清洗跟前面文章一樣的。
進行樸素貝葉斯模型建模
features = ['Pclass', 'Sex', 'Age', 'Family', 'Embarked', 'Cabin']
model = MultinomialNB(alpha = 2.0)
model.fit(train_data[features], train_data["Survived"])
print("模型評分:", model.score(train_data[features], train_data["Survived"]))
result = model.predict(test_data[features])
輸出到文件
output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': result})
output.to_csv("submit05.csv", index = False)
print("結果輸出完畢!")
模型評分: 0.7755331088664422
提交一下看看。
結果還不如之前的邏輯迴歸，支持向量機呢！嘗試再改進一下看看，把年齡按15，55爲界劃分爲三個類型。
結果:
模型評分: 0.7721661054994389
還不如沒改呢！也提交一下看看。
結果評分更低了，所以機器學習除了算法選擇，特徵的選擇，處理也很重要。
本文代碼
https://github.com/zwdnet/MyQuant/blob/master/titanic/submit04.py
我發文章的四個地方，歡迎大家在朋友圈等地方分享，歡迎點“在看”。
我的個人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客園博客地址： https://www.cnblogs.com/zwdnet/
我的微信個人訂閱號：趙瑜敏的口腔醫學學習園地