基于泰坦尼克号数据集的随机森林算法实战
- 数据预处理
- 选取 Pclass （船舱等级）、 Sex （性别）、 Age （年龄）作为特征， Survived （是否存活）作为标签。
- 用均值填充年龄空值，避免缺失值影响模型训练；通过 pd.get_dummies 做独热编码，将分类特征转为数值特征。
- 模型对比
- 单决策树作为基准模型，验证弱学习器的效果。
- 随机森林通过多棵决策树的Bagging集成，通常能显著提升准确率。
- 参数优化
- 网格搜索 n_estimators （决策树数量）和 max_depth （树的最大深度），结合交叉验证选择最优参数，进一步提升模型性能。