タイタニックデータ(性別・客席クラス・運賃の３要素だけ)を使って、生き残ったか機械学習(決定木)で判定してみる。

参考URL

import seaborn as sns # データ・ライブラリ。
import pandas as pd # DataFrame
# 機械学習ライブラリ
from sklearn.model_selection import train_test_split
from sklearn import tree

# タイタニックのデータを取得して、データフレームに格納
df = sns.load_dataset('titanic')

# 生き残った要素として、性別・客席クラス・運賃の３要素だけにする
df_x = df[['sex','pclass','fare']]

# 予測したいカラム。生き残ったレコードは1, 死んだら0
df_y = df['survived']
# 性別が文字なので、数値にする(女=0, 男=1)
df_x = pd.get_dummies(df_x, drop_first=True)

# データを、学習用データ(train)と検証テスト用データ(test)に分ける。 test_size=0.25がデフォ
# xがその人の色々な要素。yがsurvived(生き残れたら1, 死んだら0)
train_x, test_x, train_y, test_y = train_test_split(df_x,df_y,random_state=1)

# 決定木(DecisionTree)モデルを生成
model = tree.DecisionTreeClassifier(max_depth=2, random_state=1)

# 機械学習、開始！
model.fit(train_x, train_y)

# 25%残しておいた検証テスト用データ(test_x)を使って、その人たちが生き残れるかどうか予測する
model.predict(test_x)

# 答え合わせして、スコア(正解率)を出してみる。75%だった。そこそこ？
model.score(test_x,test_y)

# 決定木の可視化
from sklearn.tree import plot_tree
plot_tree(model, 
          feature_names=train_x.columns, # 説明変数はカラム名
          class_names=True, # 目的変数名
          filled=True) # 葉(箱)に色を付けるか
# １行目が判定文。sex_male <= 0.5だから、女なら左。男なら右
# ２行目がジニ係数(不純度)で０～１で表す。０ほど信頼できる目安
# ３行目のsamplesが、判定しているレコード数。
# ４行目のvalueが、左右に別れたレコード数。
# ５行目のclass=y[1]が、生き残れたかフラグ。女で1-2等席なら生き残れたという判定！

import seaborn as sns # データ・ライブラリ。

import pandas as pd # DataFrame

# 機械学習ライブラリ

from sklearn.model_selection import train_test_split

from sklearn import tree

# タイタニックのデータを取得して、データフレームに格納

df = sns.load_dataset('titanic')

# 生き残った要素として、性別・客席クラス・運賃の３要素だけにする

df_x = df[['sex','pclass','fare']]

# 予測したいカラム。生き残ったレコードは1, 死んだら0

df_y = df['survived']

# 性別が文字なので、数値にする(女=0, 男=1)

df_x = pd.get_dummies(df_x, drop_first=True)

# データを、学習用データ(train)と検証テスト用データ(test)に分ける。 test_size=0.25がデフォ

# xがその人の色々な要素。yがsurvived(生き残れたら1, 死んだら0)

train_x, test_x, train_y, test_y = train_test_split(df_x,df_y,random_state=1)

# 決定木(DecisionTree)モデルを生成

model = tree.DecisionTreeClassifier(max_depth=2, random_state=1)

# 機械学習、開始！

model.fit(train_x, train_y)

# 25%残しておいた検証テスト用データ(test_x)を使って、その人たちが生き残れるかどうか予測する

model.predict(test_x)

# 答え合わせして、スコア(正解率)を出してみる。75%だった。そこそこ？

model.score(test_x,test_y)

# 決定木の可視化

from sklearn.tree import plot_tree

plot_tree(model,

feature_names=train_x.columns, # 説明変数はカラム名

class_names=True, # 目的変数名

filled=True) # 葉(箱)に色を付けるか

# １行目が判定文。sex_male <= 0.5だから、女なら左。男なら右

# ２行目がジニ係数(不純度)で０～１で表す。０ほど信頼できる目安

# ３行目のsamplesが、判定しているレコード数。

# ４行目のvalueが、左右に別れたレコード数。

# ５行目のclass=y[1]が、生き残れたかフラグ。女で1-2等席なら生き残れたという判定！

関連記事