本文用于记录机器学习中的一次入门练习，即：利用决策树进行简单的二分类。同时，结合Kaggle上的经典案例Titanic，来测试实际效果。

一、数据集

采用Kaggle中的Titanic的数据集。数据包含分为：

• 训练集: training set (train.csv)
• 测试集: test set (test.csv)
• 提交标准: gender_submission.csv

由于Kaggle涉及到科学上网的操作，所以原始数据集已经下载好放在Gighub上了。

二、数据处理

首先导入训练集，查看数据的情况：

from sklearn.tree import DecisionTreeClassifier # 导入模型决策树分类器
from sklearn.model_selection import cross_val_score,train_test_split,GridSearchCV # 导入的模型作用分别为交叉验证、训练集与数据集的划分，网格搜索
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data = pd.read_csv('/Users/liz/code/jupyter-notebook/sklearn/1- DecisionTree/Titanic_train.csv') # 导入数据集
data.head() # 显示数据集的前五行
[out]:

Read More