python简单预测模型
步骤1：导入所需的库，读取测试和训练数据集。
#导入pandas、numpy包，导入LabelEncoder、random、RandomForestClassifier、GradientBoostingClassifier函数
import pandas as pd
import numpy as np
from import LabelEncoder
import random
from import RandomForestClassifier
from import GradientBoostingClassifier
#读取训练、测试数据集
train=pd.read_csv('C:/Users/AnalyticsVidhya/Desktop/challenge/')
test=pd.read_csv('C:/Users/AnalyticsVidhya/Desktop/challenge/')
#创建训练、测试数据集标志
train='Train'
test='Test'
fullData =(,axis=0) #联合训练、测试数据集
步骤2：该框架的第二步并不需要用到python，继续下一步。
步骤3：查看数据集的列名或概要
# 显示所有的列名称
(10) #显示数据框的前10条记录
() #你可以使用describe()函数查看数值域的概要
步骤4：确定a)ID变量 b)目标变量 c)分类变量 d)数值变量 e)其他变量。
ID_col =
target_col =
cat_cols =
num_cols= list(set(list())-set(cat_cols)-set(ID_col)-set(target_col)-set(data_col))
other_col= #为训练、测试数据集设置标识符
步骤5：识别缺失值变量并创建标志
().any()#返回True或False，True意味着有缺失值而False相反
num_cat_cols = num_cols+cat_cols # 组合数值变量和分类变量
#为有缺失值的变量创建一个新的变量
# 对缺失值标志为1，否则为0
for var in num_cat_cols:
if ().any()=True:
fullData=()*1
步骤6：填补缺失值
#用均值填补数值缺失值
fullData = ((),inplace=True)
#用-9999填补分类变量缺失值
fullData = (value = -9999)
步骤7：创建分类变量的标签编码器，将数据集分割成训练和测试集，进一步，将训练数据集分割成训练集和测试集。
#创建分类特征的标签编码器
for var in cat_cols:
number = LabelEncoder()
fullData = number.fit_transform(('str'))
#目标变量也是分类变量，所以也用标签编码器转换
fullData = number.fit_transform(('str'))
train=fullData='Train']
test=fullData='Test']
train = (0, 1, len(train)) <= .75
Train, Validate = train=True], train=False]
步骤8：将填补和虚假(缺失值标志)变量传递到模型中，我使用随机森林来预测类。
features=list(set(list())-set(ID_col)-set(target_col)-set(other_col))
x_train =
y_train =
x_validate =
y_validate =
x_test=
(100)
rf = RandomForestClassifier(n_estimators=1000)
(x_train, y_train)
步骤9：检查性能做出预测
status = rf.predict_proba(x_validate)
fpr, tpr, _ = roc_curve(y_validate, status)
roc_auc = auc(fpr, tpr)
print roc_auc
final_status = rf.predict_proba(x_test)
test=final_status
test.to_csv('C:/Users/Analytics Vidhya/Desktop/model_output.csv',columns=)
《来源于科技文献，经本人整理归纳，仅供学习和分享，如有侵权请联系删除》