使用随机森林算法预测成年人收入

本文使用一个简单的例子来让大家了解机器学习如何使用，如何使用随机森林算法来进行数据预测。

1.准备数据

成年人数据集  点击下载

2.导入数据集

#############################  随机森林实例  #######################################
 
#导入pandas库
import pandas as pd
#导入数据集拆分工具
from sklearn.model_selection import train_test_split
from sklearn import tree,datasets
#用pandas打开csv文件
data = pd.read_csv('adult.csv',header=None,index_col=False,names=['年龄','单位性质','权重','学历','受教育时长','婚姻状况','职业','家庭情况','种族','性别','资产所得','资产损失','周工作时长','原籍','收入'])
#为了方便展示,我们选取其中一部分数据
data_lite = data[['年龄','单位性质','学历','性别','周工作时长','职业','收入']]
#下面看一下数据的前五行是不是我们想要的结果
display(data_lite.head())

 

 3.数据处理

#使用get_dummies将文本数据转化为数值
data_dummies = pd.get_dummies(data_lite)
#对比样本原始特征和虚拟变量特征
print('样本原始特征:\n',list(data_lite.columns),'\n')
print('虚拟变量特征:\n',list(data_dummies.columns))

 

 

#显示数据集中的前5行
data_dummies.head()

#定义数据集的特征值
features = data_dummies.loc[:,'年龄':'职业_ Transport-moving']
#将特征数值赋值为X
X = features.values
#将收入大于50K作为预测目标
y = data_dummies['收入_ >50K'].values
print('\n\n\n')
print('代码运行结果')
print('====================================\n')
#打印数据形态
print('特征形态:{} 标签形态:{}'.format(X.shape,y.shape))
print('\n====================================')
print('\n\n\n')

代码运行结果
====================================

特征形态:(32561, 44) 标签形态:(32561,)

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

4.使用决策树建模并进行预测

#将数据集拆分为训练集和测试集
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=0)
#用最大深度为5的随机森林拟合数据
go_dating_tree = tree.DecisionTreeClassifier(max_depth=5)
go_dating_tree.fit(X_train,y_train)
print('\n\n\n')
print('代码运行结果')
print('====================================\n')
#打印数据形态
print('模型得分:{:.2f}'.format(go_dating_tree.score(X_test,y_test)))
print('\n====================================')
print('\n\n\n')

代码运行结果
====================================

模型得分:0.80

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

#将Mr Z的数据输入给模型
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]]
#使用模型做出预测
dating_dec = go_dating_tree.predict(Mr_Z)
print('\n\n\n')
print('代码运行结果')
print('====================================\n')
if dating_dec == 1:
    print("这哥们月薪过5万了")
else:
    print("月薪不过五万")
print('\n====================================')
print('\n\n\n')

代码运行结果
====================================

月薪不过五万

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

注:这个数据集只是用来演示决策树的用法,其结论参考意义不大

总结:

　　在使用随机森林算法中,明白了参数对其调节的影响.

　　在决策树与随机森林算法中对高位数据集进行分析,我们可以在诸多特征中选择保留最重要的几个,方便我们对数据集手动降维处理.