泰坦尼克号生还率预测
处理数据
首先要把 xls 文件中的数据读进来，使用 pandas 库的 read_excel()：
import pandas as pd
import numpy as np
all_data = pd.read_excel('titanic3.xls')读进来的数据可以用 all_data[:2] 查看前两行
列名 | 含义 |
|---|---|
PassengerId | 乘客编号 |
Survival | 是否生还，0表示未生还，1表示生还 |
Pclass | 船票种类，1表示上层，2表示中层，3表示底层 |
Sex | 性别，男性为male，女性为female |
Age | 年龄，不满1岁的年龄为小数 |
SibSp | 该乘客同船的兄弟姐妹及配偶的数量 |
Parch | 该乘客同船的父母以及儿女的数量 |
Ticket | 船票编号 |
Fare | 买票的费用 |
Cabin | 船舱编号 |
Embarked | 代表在哪里上的船 |
有些东西不会影响生还率，比如：姓名、船票编号、船舱编号、在哪里上船等，但是要用姓名来进行预测，所以要保留，而在哪里上船（embarked）也暂时保留，用它学个新知识，正常训练删掉就可
可以先把要保留的字段做成一个列表，然后再把列表保留出来
cols = ['survived', 'name', 'pclass', 'sex', 'age', 'sibsp', 'parch', 'fare', 'embarked']
#cols = ['survived', 'name', 'pclass', 'sex', 'age', 'sibsp', 'parch', 'fare']
all_data = all_data[cols]embarked 这个列是字母，把它换成一位有效编码，用的是 get_dummies 这个方法
OneHot_data = pd.get_dummies(data=data_train, columns=['embarked'])
正式处理数据：
我们取 80% 作为训练数据，剩下的作为测试数据
msk = np.random.random(len(all_df)) < 0.8
train_data = all_data[msk]
test_data = all_data[~msk]写一个函数综合处理一下：
def PreprocessData(raw_df):
df = raw_df.drop(['name'], axis = 1)
age_mean = df['age'].mean()
df['age'] = df['age'].fillna(age_mean)
fare_mean = df['fare'].mean()
df['fare'] = df['fare'].fillna(fare_mean)
df['sex'] = df['sex'].map({'female':0, 'male':1})
ndarray = df.values
Label = ndarray[:, 0]
Features = ndarray[:, 1:]
minmax_scale = preprocessing.MinMaxScaler((0,1))
scaledFeatures = minmax_scale.fit_transform(Features)
return scaledFeatures, Label下面一个一个介绍是干啥的：
因为 name 列对于训练是没用的，只是后面拿来预测用，所以先把 name 列去除
df = raw_df.drop(['name'], axis = 1)有个问题，有些列中存在空值，我们可以看一下有多少
data_train.isnull().sum()
对于这些存在空值的列，可以把他们填充为这一列的平均值，mean() 就是取平均值
age_mean = df['age'].mean()
df['age'] = df['age'].fillna(age_mean)
fare_mean = df['fare'].mean()
df['fare'] = df['fare'].fillna(fare_mean)对于性别这一列，使用 map 方法，将 female 设置为 0，male 设置为 1
df['sex'] = df['sex'].map({'female':0, 'male':1})再把数据转换为数组
ndarray = df.values取第一列的数据作为标签 Label，剩下的是特征 Features
Label = ndarray[:, 0]
Features = ndarray[:, 1:]接下来把数据进行归一化，但是这里的数据跟图片的数据不一样了，他不是一定落在 0-255 之间，所以没法直接除 255，MinMaxScaler() 方法用于产生标准化刻度，参数设置为（0~1），表示将数据标准化后全部落在 0~1 之间
minmax_scale = preprocessing.MinMaxScaler((0,1))
scaledFeatures = minmax_scale.fit_transform(Features)实际处理数据的时候就：
train_Features,train_Label = PreprocessData(train_data)
test_Features,test_Label = PreprocessData(test_data)创建模型
from keras.models import Sequential
from keras.layers import Dense, Dropout
model = Sequential()
model.add(Dense(units = 200, input_dim=6, kernel_initializer='uniform', activation='relu'))
model.add(Dense(units = 200, kernel_initializer='uniform', activation='relu'))
model.add(Dense(units=1, kernel_initializer='uniform', activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])训练
train_history = model.fit(train_Feature, train_Label, validation_split=0.2, epochs=50, batch_size=20, verbose=2)验证模型准确率
scores = model.evaluate(test_Feature, test_Label)
print(scores)添加人物信息
把想要预测的任务构建出来
比如想要预测 yichen：
#'survived：是否生还', 'name', 'pclass：船票种类（1>2>3）', 'sex', 'age', 'sibsp：兄弟姐妹数', 'parch：父母孩子数', 'fare：买票的费用'
yichen_data = [1,'yichen','3','male',22,0,2,32.7]是否生还这一项，预测的时候就不用了，无关紧要，但我还是写成了生还哈哈哈哈哈
我这肯定是最底层的船舱了，费用就取了个他们的平均数 32.7
yichen_df = pd.DataFrame([list(yichen_data)], columns=['survived', 'name', 'pclass', 'sex', 'age', 'sibsp', 'parch', 'fare'])然后用写好的函数处理一下
yichen_Features,label = PreprocessData(yichen_df)预测一下
probability = model.predict(yichen_Features)把预测的结果 probability 加在原来的数据中
yichen_df.insert(len(yichen_df.columns), 'probability', probability)看看结果，我这生还率高得离谱！?
呸，不能这样算！！！！
它是按照一艘船有那么多人，几人可以生还那样训练的，就一个人必存活呀，我这还低了呐
先把这个数据加在总的数据里面，这样生还率应该稍微比真实情况偏低一丁点，但是这样才是预测的正确姿势呀
all_df = pd.concat([all_df, yichen_df])
呜呜呜，29% 的生还率，要是能买个 1 等的船舱就是 71% 啦
然而为啥花的钱少生存率还能高啊？
可以后台留言你的信息，帮你预测一下生还率
按照这个格式：
#'survived：是否生还', 'name', 'pclass：船票种类（1>2>3）', 'sex', 'age', 'sibsp：兄弟姐妹数', 'parch：父母孩子数', 'fare：买票的费用'
yichen_data = [1,'yichen','3','male',22,0,2,32.7]