我是靠谱客的博主 俊逸火龙果,最近开发中收集的这篇文章主要介绍python数据预测_用Python预测收入,我用Python机器学习了5万人的数据,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

原标题:用Python预测收入,我用Python机器学习了5万人的数据

Python界的网红机器学习,这股浪潮已经逐渐成为热点,而Python是机器学习方向的头牌语言,用机器学习来玩一些好玩的项目一定很有意思。比如根据你的职业,婚姻,家庭,教育时间等等来预测你的收入,这么神奇!不信的话,一起跟我往下看。

b3e20a3852ba48f18949a296b60d8a83.gif

1.数据集

收入问题一直是大家比较关心的热点,在kaggle比赛中,也出现过此类的数据集,因此,本次小实战的数据集就是来源于kaggle比赛的数据集,数据集长得样子如下:

d0c361f817164e77b1cc619c3dd45cf2.jpeg

上面密密麻麻一堆记录了几万人的收入数据,每个人的收入数据其实就是下面这些特征值,比如你的年龄,工作类型啊,婚否,教育水平啊,时间啊,职业等等,详细如下:

7208f485d5fd4adebdb0eccdf6eb550b.jpeg

1).导入数据集

我们将训练集和测试集加入列标签,然后查看训练集的信息,如下图所示:

a0efc610f1ff4707b8eaf7e5d50d107e.jpeg

2.数据清洗

2).去掉缺失值

数据集中存在缺失值,并且以‘ ?’形式来代替,所以我们要对这样的数据进行剔除。并将剔除后的数据集进行重新排序,如下图所示:

4ba09a50b45049538bdd5a174da7de16.jpeg

3).数值处理

因为测试集和训练集中标签‘income’的数据存在不统一的问题,在测试集中是以‘<=50K.’的形式,而训练集中是‘<=50K’,所以要将测试集中的数据形式改为训练集中的数据形式。

01876ac71fe141fb9dd8b20cbf2ddba2.jpeg

为了使得数据集中的编码类型一致,我们将数据集中的string类型,转化为数值类型,用到的是pandas库中的Categorical函数,转化完成后,通过观察数据集中的‘income’数据值来检查是否完成转换。

4b34d5601a2d4e27be1ed51fd2ef8760.jpeg

转化完成后,原先数据集中的字符串便被数字所代替,例如‘income’中的数据,原先是’<=50K’和’>50K’。现在分别对应为0和1。其他的列也是同样的改变方式。也就是说最后我们预测收入如果为0,表示收入小于50k。

到目前为止,数据清洗的工作基本上完成,下面,我们通过pandas库中的交叉表函数(crosstab)来观察‘受教育时间’和收入之间的关系:

e3f61341fe5d4dad9648cf075549f2a2.jpeg

其中‘income’下的1代表收入大于50K,由上图可以看出,当受教育时间小于8年时,收入大于50K的人数可谓是寥寥无几,所以说从统计概率的角度上讲,九年义务教育,对大家的收入还是很有帮助的。

3.用决策树来构建模型

什么是决策树,看下面这个形象的比如,就一清二楚了。

c91e38a302214a149ad4ba8176475c99.jpeg

社区大妈经验丰富,有一套自己的判断逻辑。假设“抽烟”、“染发”和“讲脏话”是社区大妈认为的区分“好坏”学生的三项关键特征,那么这样一个有先后次序的判断逻辑就构成一个决策树模型。在决策树中,最能区分类别的特征将作为最先判断的条件,然后依次向下判断各个次优特征。决策树的核心就在于如何选取每个节点的最优判断条件,也即特征选择的过程。

而在每一个判断节点,决策树都会遵循一套IF-THEN的规则:

IF “抽烟” THEN -> “坏学生”

ELSE

IF “染发” THEN -> “坏学生”

ELSE IF “讲脏话” THEN -> “坏学生”

ELSE -> “好学生”

通过sklearn库提供的决策树算法,可以很方便的进行分类:

7f4368bfdac342f29483c384dbeaf455.jpeg

首先是建立一个clf的决策树分类器

然后将我们的训练数据导入fit函数,这里我们用到数据集中所有的特征值,因为数据集中的特征值只有14维,并不是很高的特征维度,因此,并不需要进行降维处理。

接着将数据导入训练决策树算法,训练完成后再我们的测试集上进行测试,

最后训练结果显示,准确率在80%左右,效果还是很不错的。

4.预测你的收入

看到这里小白是不是有点晕,这个模型到底靠不靠谱,我们用更直观的收入的例子来试试就知道啦:

51e6e6dbb7b941c99d0fd7dcd7716a07.jpeg

上面的这个人有一堆参数,如果我们输入模型里面,通过模型来预测一些它的收入到底是多少呢,是不是真的是小于50K:

481aed2844d9447485a807eb02de426c.jpeg

这里的array[0]表示最后的预测收入是小于50k的,而实际上这组数据的收入也确实如此!懂点机器学习还是很有用的,尤其是喂了大量的数据之后,当然我们还可以通过网格来寻找最佳参数,有兴趣的同学可以动手试试!

输入:【收入】

责任编辑:

最后

以上就是俊逸火龙果为你收集整理的python数据预测_用Python预测收入,我用Python机器学习了5万人的数据的全部内容,希望文章能够帮你解决python数据预测_用Python预测收入,我用Python机器学习了5万人的数据所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(54)

评论列表共有 0 条评论

立即
投稿
返回
顶部