[ML] 타이타닉 생존자 예측

타이타닉 데이터 DESC

타이타닉 데이터는 1912년 4월 15일에 침몰한 타이타닉호의 승객 정보를 담고 있는 데이터셋입니다.

타이타닉 데이터셋에는 승객들의 성별, 나이, 티켓 등급, 승선 항구, 가족 구성원 수, 요금 등 다양한 정보가 포함되어 있습니다. 또한, 승객들이 생존했는지 혹은 사망했는지를 나타내는 정보도 함께 제공됩니다.

타이타닉 데이터셋에는 다음과 같은 변수들이 포함되어 있습니다:

    PassengerId: 승객의 고유 식별번호
    Survived: 생존 여부 (0: 사망, 1: 생존)
    Pclass: 티켓 등급 (1: 1st class, 2: 2nd class, 3: 3rd class)
    Name: 승객의 이름
    Sex: 성별 (male: 남성, female: 여성)
    Age: 나이
    SibSp: 함께 탑승한 형제자매 또는 배우자의 수
    Parch: 함께 탑승한 부모나 자녀의 수
    Ticket: 티켓 번호
    Fare: 운임 요금
    Cabin: 객실 번호
    Embarked: 승선 항구 (C: Cherbourg, Q: Queenstown, S: Southampton)
    
    

---

EDA 분석

import pandas as pd 

titanic = pd.read_excel('titanic.xls')
titanic.head()

pd.crosstab(titanic['title'], titanic['sex'])

titanic['title'].unique()

array(['Miss', 'Master', 'Mr', 'Mrs', 'Col', 'Mme', 'Dr', 'Major', 'Capt',
       'Lady', 'Sir', 'Mlle', 'Dona', 'Jonkheer', 'the Countess', 'Don',
       'Rev', 'Ms'], dtype=object)

신분에 따라 승객 분류

titanic['title'] = titanic['title'].replace('Mlle','Miss')
titanic['title'] = titanic['title'].replace('Ms','Miss')
titanic['title'] = titanic['title'].replace('Mme','Mrs')

rare_f = ['Dona', 'Lady', 'the Countess']
rare_m = ['Capt', 'Col', 'Don', 'Major', 'Rev', 'Sir', 'Dr', 'Master', 'Jonkheer']

for each in rare_f:
    titanic['title'] = titanic['title'].replace(each,'Rare_f')

for each in rare_m:
    titanic['title'] = titanic['title'].replace(each,'Rare_m')
  

titanic['title'].unique()

array(['Miss', 'Rare_m', 'Mr', 'Mrs', 'Rare_f'], dtype=object)

titanic[['title','survived']].groupby(['title'],as_index=False).mean()

---

머신러닝을 이용한 생존자 예측

titanic.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1309 entries, 0 to 1308
Data columns (total 16 columns):
 #   Column     Non-Null Count  Dtype   
---  ------     --------------  -----   
 0   pclass     1309 non-null   int64   
 1   survived   1309 non-null   int64   
 2   name       1309 non-null   object  
 3   sex        1309 non-null   object  
 4   age        1046 non-null   float64 
 5   sibsp      1309 non-null   int64   
 6   parch      1309 non-null   int64   
 7   ticket     1309 non-null   object  
 8   fare       1308 non-null   float64 
 9   cabin      295 non-null    object  
 10  embarked   1307 non-null   object  
 11  boat       486 non-null    object  
 12  body       121 non-null    float64 
 13  home.dest  745 non-null    object  
 14  age_cut    1046 non-null   category
 15  title      1309 non-null   object  
dtypes: category(1), float64(3), int64(4), object(8)
memory usage: 155.0+ KB

머신러닝을 위해 컬럼을 숫자로 변경

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
le.fit((titanic['sex'])) #문자를 숫자로 바꿔줌 

titanic['gender'] = le.transform(titanic['sex'])
titanic.head()

결측치 제외

# 결측치 확인
print(titanic.isnull().sum())

# 결측치는 제외해줌 
titanic = titanic[titanic['age'].notnull()]
titanic = titanic[titanic['fare'].notnull()]

pclass         0
survived       0
name           0
sex            0
age            0
sibsp          0
parch          0
ticket         0
fare           0
cabin        773
embarked       2
boat         628
body         926
home.dest    360
age_cut        0
title          0
gender         0
dtype: int64

상관관계

correlarion_matrix = titanic.corr().round(1)
sns.heatmap(data = correlarion_matrix ,annot=True, cmap='bwr');

train_test_split

from sklearn.model_selection import train_test_split

X = titanic[['pclass', 'age', 'sibsp', 'parch', 'fare', 'gender']]
y = titanic['survived']


X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.7, random_state=13)

DecisionTreeClassifier

from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

dt = DecisionTreeClassifier(max_depth=4, random_state=13)
dt.fit(X_train,y_train)

pred = dt.predict(X_test)
print(accuracy_score(y_test,pred))

0.7896174863387978

디카프리오는 생존할 수 있었을까?

import numpy as np

# titanic[['pclass', 'age', 'sibsp', 'parch', 'fare', 'gender']]
dicarprio = np.array([[3, 18, 0, 0, 5, 1 ]])
print( 'Dicarprio survived(%): ', dt.predict_proba(dicarprio)[0,1])

winslet = np.array([[1, 16, 1, 1, 100, 0 ]])
print( 'Winslet survived(%): ', dt.predict_proba(winslet)[0,1])

Dicarprio survived(%):  0.2236842105263158
Winslet survived(%):  1.0