[Kaggle] ep.1 - タイタニックでなんとなく雰囲気を掴む

tldr

サンプルのタイタニックをやってみました。

目次はこちら

始める

参考図書は以下を使います。

• 「Kaggleで勝つデータ分析の技術」

コード

データの読み込み

Google Driveからデータを読み込む準備をします。
以下を実行すると認証・認可画面に飛ばされて、Googleアカウントでログインすると認証コードがコピーできます。
それを入力するとGoogle Driveがマウントされます。

from google.colab import drive
drive.mount('/content/drive')

次に色々なライブラリのインポートを行ったのちに、Google Driveからトレーニングデータとテストデータを読み込みます。

%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import statsmodels.api as sm
import numpy as np

train = pd.read_csv("/content/drive/My Drive/Colab Notebooks/data/titanic/train.csv")
test = pd.read_csv("/content/drive/My Drive/Colab Notebooks/data/titanic/test.csv")

学習データとテストデータを特徴量と目的変数に分ける

#学習データを特徴量と目的変数に分ける
train_x=train.drop(['Survived'],axis=1)
train_y=train['Survived']

#テストデータは特徴量のみなので、そのままで良い
test_x=test.copy(

不要なデータを取り除く

from sklearn.preprocessing import LabelEncoder

# PassengerIdの削除
train_x = train_x.drop(['PassengerId'], axis=1)
test_x = test_x.drop(['PassengerId'], axis=1)

# Name, Ticket and Cabinの削除
train_x = train_x.drop(['Name', 'Ticket', 'Cabin'], axis=1)
test_x = test_x.drop(['Name', 'Ticket', 'Cabin'], axis=1)

# label encodingを文字列に適用する
for c in ['Sex', 'Embarked']:
  le = LabelEncoder()
  le.fit(train_x[c].fillna('NA'))

  train_x[c] = le.transform(train_x[c].fillna('NA'))
  test_x[c] = le.transform(test_x[c].fillna('NA'))

モデルを作成する

from xgboost import XGBClassifier

# モデルを作成して、学習する
model = XGBClassifier(n_estimators=20, random_state=71)
model.fit(train_x, train_y)

# テストデータの予測値を確立で出す
pred = model.predict_proba(test_x)[:, 1]

# テストデータの予測値を2値に変換
pred_label = np.where(pred > 0.5, 1, 0)

# 提出用のファイルを作成
submission = pd.DataFrame({'PassengerId': test['PassengerId'], 'Survived': pred_label})
submission.to_csv('submission_first.csv', index=False