根據成年人數據集來預測一個人的收入

1.準備數據集

我下載好了一個成年人數據集,從百度云下載

鏈接：https://pan.baidu.com/s/10gC8U0tyh1ERxLhtY8i0bQ

提取碼：4zzy

準備好了數據集,那就把這個數據集與你的jupyter notebook放在同一目錄.如果你是直接打開命令提示符啟動jupyter notebook那么路徑為:

或者你也可以在D盤創建一個目錄并在這個目錄啟動jupyter notebook,把數據集放入其中

2.在jupyter notebook中導入這個數據集

############################# 隨機森林實例 #######################################

#導入pandas庫

import pandas as pd

#導入數據集拆分工具

from sklearn.model_selection import train_test_split

from sklearn import tree,datasets

#用pandas打開csv文件

data = pd.read_csv('adult.csv',header=None,index_col=False,names=['年齡','單位性質','權重','學歷','受教育時長','婚姻狀況','職業','家庭情況','種族','性別','資產所得','資產損失','周工作時長','原籍','收入'])

#為了方便展示,我們選取其中一部分數據

data_lite = data[['年齡','單位性質','學歷','性別','周工作時長','職業','收入']]

#下面看一下數據的前五行是不是我們想要的結果

display(data_lite.head())

3.用get_dummies處理數據

#使用get_dummies將文本數據轉化為數值

data_dummies = pd.get_dummies(data_lite)

#對比樣本原始特征和虛擬變量特征

print('樣本原始特征:\n',list(data_lite.columns),'\n')

print('虛擬變量特征:\n',list(data_dummies.columns))

#顯示數據集中的前5行

data_dummies.head()

#定義數據集的特征值

features = data_dummies.loc[:,'年齡':'職業_ Transport-moving']

#將特征數值賦值為X

X = features.values

#將收入大于50K作為預測目標

y = data_dummies['收入_ >50K'].values

print('\n\n\n')

print('代碼運行結果')

print('====================================\n')

#打印數據形態

print('特征形態:{} 標簽形態:{}'.format(X.shape,y.shape))

print('\n====================================')

print('\n\n\n')

代碼運行結果

====================================

特征形態:(32561, 44) 標簽形態:(32561,)

====================================

4.用決策樹建模并作出預測

#將數據集拆分為訓練集和測試集

X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=0)

#用最大深度為5的隨機森林擬合數據

go_dating_tree = tree.DecisionTreeClassifier(max_depth=5)

go_dating_tree.fit(X_train,y_train)

print('\n\n\n')

print('代碼運行結果')

print('====================================\n')

#打印數據形態

print('模型得分:{:.2f}'.format(go_dating_tree.score(X_test,y_test)))

print('\n====================================')

print('\n\n\n')

代碼運行結果

====================================

模型得分:0.80

====================================

#將Mr Z的數據輸入給模型

Mr_Z = [[37, 40,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0]]

#使用模型做出預測

dating_dec = go_dating_tree.predict(Mr_Z)

print('\n\n\n')

print('代碼運行結果')

print('====================================\n')

if dating_dec == 1:

print("這哥們月薪過5萬了")

else:

print("月薪不過五萬")

print('\n====================================')

print('\n\n\n')

代碼運行結果

====================================

月薪不過五萬

====================================

注:這個數據集只是用來演示決策樹的用法,其結論參考意義不大

總結:

在使用隨機森林算法中,明白了參數對其調節的影響.

在決策樹與隨機森林算法中對高位數據集進行分析,我們可以在諸多特征中選擇保留最重要的幾個,方便我們對數據集手動降維處理.

文章引自 : 《深入淺出python機器學習》

總結

以上是生活随笔為你收集整理的利用mysql建立随机森林_随机森林算法实例 - osc_4imme0wh的个人空间 - OSCHINA - 中文开源技术交流社区...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。