数据分析报告呈现

1、加载文件,查看:(两个数据集,train作为学习集进行数据建模,通过test测试集查看建模的情况。)

train<-read.csv("C:/Users/Administrator/Desktop/train.csv",stringsAsFactors=F)——读取文件

test<-read.csv("C:/Users/Administrator/Desktop/test.csv",stringsAsFactors=F)

test$Survived<-NA——增加变量,进行匹配

full<-rbind(train,test)——行合并,做成完整数据集

head(full)——查看数据情况

str(full)/describe(full)

2、数据清洗:

数据集中有多个数据值缺失,需要添加数据来替代旧数据:

年龄确实值处理:age<-full$Age;n<-length(age)

set.seed(123)

for (i in 1:n){

if(is.na(age[i])) {

age[i]=sample(na.omit(full$Age),1)}} ——用已经存在的非缺失年龄数据集中抽选一个来替代缺失值

par(mfrow=c(1,2)) ——验证数据集,通过直方图进行年龄数据集对比

hist(full$Age,freq=F,main="before replacement",col='lightblue',ylim=c(0,0.04),xlab="age")

hist(age,freq=F,main="after replacement",col='darkblue',ylim=c(0,0.04),xlab="age")

船舱缺失值处理:cabin<-full$Cabin;n=length(cabin)

for (i in 1:n){

if (nchar(cabin[i])==0){

cabin[i]=0} else{

s=strsplit(cabin[i]," ")

cabin[i]=length(s[[1]])}} ——因为船舱编码对存活率影响较小,所以增加船舱数量这个变量。

table(cabin) 

Fare缺失值处理:——将1044fare缺失值按照同等级船舱和港口的中位数进行处理

full$Fare[1044]<-median(full[full$Pclass==3&full$Embarked=="S",]$Fare,na.rm=T

3、数据探索性分析和处理:

查看各个变量与Survived的关系

d<-data.frame(Age=age[1:891],Survived=train$Survived)

ggplot(d,aes(Age,fill=factor(Survived)))+geom_histogram()——利用直方图看不同年龄层存活率比较

cuts<-cut(d$Age,hist(d$Age,10,plot=F)$breaks)——将年龄平分成几段

rate<-tapply(d$Survived,cuts,mean)

d2<-data.frame(age=names(rate),rate)

barplot(d2$rate,xlab="age",ylab="survival rate")——通过柱形图查看每个年龄层的存活率

性别和存活率:

ggplot(train,aes(Sex,fill=factor(Survived)))+geom_histogram(stat="count")

tapply(train$Survived,train$Sex,mean)

姓名和存活率:

n=length(full$Survived)

title<-rep(NA,n)

for(i in 1:n){

lastname=strsplit(full$Name[i]," ,")[[1]][2]——生成的是列表

title[i]=strsplit(lastname,". ")[[1]][1]}

d<-data.frame(title=title[1:891],Survived=train$Survived)

ggplot(d,aes(title,fill=factor(Survived)))+geom_histogram(stat="count")

tapply(d$Survived,d$title,mean)

title[title!="Mr"&title!="Miss"&title!="Mrs"&title!="Master"]<-"Rare"

table(title)

……以此通过堆砌条形图和tapply()求存活率的平均值

4、数据模型建立:

通过广义线性回归、随机森林、决策树、向量机来建模预测验证模型的准确性。

建立新的训练集:

new_train=data.frame(survived=f.survived,age=f.age,fare=f.fare,sex=f.sex,embarked=f.embarked,family=f.family,title=f.title,cabin=f.cabin,pclass=f.pclass)

logistic 回归

fit_logit<glm(factor(survived)~age+fare+sex+embarked+family+title+cabin+pclass,data=new_train,family=binomial)

ans_logit=rep(NA,891)

for(i in1:891){ans_logit[i]=round(fit_logit$fitted.values[[i]],0)}

mean(ans_logit==train$Survived)

table(ans_logit)

library('randomForest')

set.seed(123)fit_rf<-randomForest(factor(survived)~age+fare+sex+embarked+family+title+cabin+pclass,data=new_train)

fit_dt<-rpart(factor(survived)~age+fare+sex+embarked+family+title+cabin+pclass,data=new_train)

fit_svm<-svm(factor(survived)~age+fare+sex+embarked+family+title+cabin+pclass,data=new_train)

svm.fitted=predict(fit_svm)ans_svm=rep(NA,891)

for(i in1:891){ans_svm[i]=as.integer(svm.fitted[[i]])-1}

mean(ans_svm==train$Survived)table(ans_svm)

5、模型评价:

a=sum(ans_logit==1&f.survived==1)

b=sum(ans_logit==1&f.survived==0)

c=sum(ans_logit==0&f.survived==1)

d=sum(ans_logit==0&f.survived==0)

data.frame(a,b,c,d)

6、模型预测

test_data_set<data.frame(age=t.age,fare=t.fare,sex=t.sex,embarked=t.embarked,family=t.family,title=t.title,cabin=t.cabin,pclass=t.pclass)

svm_predict=predict(fit_svm,newdata=test_data_set)ans_svm_predict=rep(NA,418)for(iin1:418){ans_svm_predict[i]=as.integer(svm_predict[[i]])-1}table(ans_svm_predict)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260

推荐阅读更多精彩内容