泰坦尼克号乘客生存分析（下）——机器学习预测&一些深度总结

正文

请到「今天看啥」查看全文

模型评估结果的 F1 Score 平均分是 0.81489，高于最开始的评分基准值，说明新增的特征整体上有更高的相关性。

要评估每个新特征的相关性，执行特征评估任务 evaluate_features ：

rake app:classifiers:titanic:evaluate_features

对比原始数据的评估结果，新特征的相关性更高些（ CabinArea 由于有数据缺失，精确度不高）。

训练结束后选择 Persist trained data?(y/n):y 保存训练结果，任务会自动保存模型图像，可得到一棵决定存活与否的命运决策之树：

DecisiontreeClassifier-for-titanic_survival_prediction.png

预测结果

认为模型可信后，就可以对待预测数据进行预测，执行预测任务 predict ：

rake app:classifiers:titanic:predict summary=n

rake app:classifiers:titanic:predict summary=n

至此，完成了从数据分析到数据清洗、特征工程、机器学习建模以及最后的乘客生存状态预测。

人物画像

有了特征提取的规则，以及预测的模型，最后我们可以做下简单的人物画像，构建一个 persona 任务，运行：

请到「今天看啥」查看全文