机器学习之路：python 集成分类器 随机森林分类RandomForestClassifier 梯度提升决策树分类GradientBoostingClassifier 预测泰坦尼克号幸存者

python3 学习使用随机森林分类器 梯度提升决策树分类 的api，并将他们和单一决策树预测结果做出对比

附上我的git，欢迎大家来参考我其他分类器的代码: https://github.com/linyi0604/MachineLearning

 import pandas as pd
 from sklearn.cross_validation import train_test_split
 from sklearn.feature_extraction import DictVectorizer
 from sklearn.tree import DecisionTreeClassifier
 from sklearn.metrics import classification_report
 from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
 
 '''
 集成分类器：
 综合考量多个分类器的预测结果做出考量。
 这种综合考量大体上分两种：
     1 搭建多个独立的分类模型，然后通过投票的方式 比如 随机森林分类器
         随机森林在训练数据上同时搭建多棵决策树，这些决策树在构建的时候会放弃唯一算法，随机选取特征
     2 按照一定次序搭建多个分类模型，
         他们之间存在依赖关系，每一个后续模型的加入都需要现有模型的综合性能贡献，
         从多个较弱的分类器搭建出一个较为强大的分类器，比如梯度提升决策树
         提督森林决策树在建立的时候尽可能降低成体在拟合数据上的误差。
 
 下面将对比 单一决策树 随机森林 梯度提升决策树 的预测情况
 
 '''
 
 '''
 1 准备数据
 '''
 # 读取泰坦尼克乘客数据，已经从互联网下载到本地
 titanic = pd.read_csv("./data/titanic/titanic.txt")
 # 观察数据发现有缺失现象
 # print(titanic.head())
 
 # 提取关键特征，sex, age, pclass都很有可能影响是否幸免
 x = titanic[['pclass', 'age', 'sex']]
 y = titanic['survived']
 # 查看当前选择的特征
 # print(x.info())
 '''
 <class 'pandas.core.frame.DataFrame'>
 RangeIndex: 1313 entries, 0 to 1312
 Data columns (total 3 columns):
 pclass    1313 non-null object
 age       633 non-null float64
 sex       1313 non-null object
 dtypes: float64(1), object(2)
 memory usage: 30.9+ KB
 None
 '''
 # age数据列 只有633个，对于空缺的 采用平均数或者中位数进行补充 希望对模型影响小
 x['age'].fillna(x['age'].mean(), inplace=True)
 
 '''
 2 数据分割
 '''
 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25, random_state=33)
 # 使用特征转换器进行特征抽取
 vec = DictVectorizer()
 # 类别型的数据会抽离出来 数据型的会保持不变
 x_train = vec.fit_transform(x_train.to_dict(orient="record"))
 # print(vec.feature_names_)   # ['age', 'pclass=1st', 'pclass=2nd', 'pclass=3rd', 'sex=female', 'sex=male']
 x_test = vec.transform(x_test.to_dict(orient="record"))
 
 '''
 3.1 单一决策树 训练模型 进行预测
 '''
 # 初始化决策树分类器
 dtc = DecisionTreeClassifier()
 # 训练
 dtc.fit(x_train, y_train)
 # 预测 保存结果
 dtc_y_predict = dtc.predict(x_test)
 
 '''
 3.2 使用随机森林 训练模型 进行预测
 '''
 # 初始化随机森林分类器
 rfc = RandomForestClassifier()
 # 训练
 rfc.fit(x_train, y_train)
 # 预测
 rfc_y_predict = rfc.predict(x_test)
 
 '''
 3.3 使用梯度提升决策树进行模型训练和预测
 '''
 # 初始化分类器
 gbc = GradientBoostingClassifier()
 # 训练
 gbc.fit(x_train, y_train)
 # 预测
 gbc_y_predict = gbc.predict(x_test)
 
 '''
 4 模型评估
 '''
 print("单一决策树准确度:", dtc.score(x_test, y_test))
 print("其他指标：\n", classification_report(dtc_y_predict, y_test, target_names=['died', 'survived']))
 
 print("随机森林准确度:", rfc.score(x_test, y_test))
 print("其他指标：\n", classification_report(rfc_y_predict, y_test, target_names=['died', 'survived']))
 
 print("梯度提升决策树准确度:", gbc.score(x_test, y_test))
 print("其他指标：\n", classification_report(gbc_y_predict, y_test, target_names=['died', 'survived']))
 
 '''
 单一决策树准确度: 0.7811550151975684
 其他指标：
               precision    recall  f1-score   support
 
        died       0.91      0.78      0.84       236
    survived       0.58      0.80      0.67        93
 
 avg / total       0.81      0.78      0.79       329
 
 随机森林准确度: 0.78419452887538
 其他指标：
               precision    recall  f1-score   support
 
        died       0.91      0.78      0.84       237
    survived       0.58      0.80      0.68        92
 
 avg / total       0.82      0.78      0.79       329
 
 梯度提升决策树准确度: 0.790273556231003
 其他指标：
               precision    recall  f1-score   support
 
        died       0.92      0.78      0.84       239
    survived       0.58      0.82      0.68        90
 
 avg / total       0.83      0.79      0.80       329
 
 '''