不知道该叫什么——泰坦尼克号个人项目代码

写在前面

这一点点代码是分享会第一次留项目后我的作业代码,留此备记,也方便为其他同学的Adaboost提供弱分类器。

代码

# coding=utf-8
def predictions_qiu(data):
    """ Model with multiple features. Makes a prediction with an accuracy of at least 80%. """
    
    predictions = []
    for _, passenger in data.iterrows():
        if passenger[3] == 'female':
            if passenger[1] <= 2:  # female, Pclass 1、2. OVER
                predictions.append(1)
            else:  # female, Pclass 3
                if passenger[8] > 23.25:  # female, Pclass 3, Fare > 23.25
                    predictions.append(0)
                else:  # female, Pclass 3, Fare <= 23.25
                    if passenger[10] == 'Q':  # female, Pclass 3, Fare <= 23.25, Embarked =Q
                        if passenger[6] > 0:  # female, Pclass 3, Fare <= 23.25, Embarked =Q, Parch > 0
                            predictions.append(0)
                        else:  # female, Pclass 3, Fare <= 23.25, Embarked =C, Parch <= 0
                            if passenger[8] <= 7.65:
                                predictions.append(0)
                            else:
                                predictions.append(1)
                    elif passenger[10] == 'C':  # female, Pclass 3, Fare <= 23.25, Embarked=C
                        if passenger[8] > 15.246:
                            predictions.append(1)
                        else:
                            if passenger[8] > 13.863:
                                predictions.append(0)
                            else:
                                predictions.append(0)
                    else:  # female, Pclass 3, Fare <= 23.25, Embarked=S
                        if passenger[6] > 0:
                            predictions.append(1)
                        else:
                            predictions.append(0)
                
        else:  # male
            if passenger[4] > 10:  # # male, age > 10
                predictions.append(0)
            else:  # male, age < 10
                if passenger[5] > 2:  # male, age <= 10, SibSp > 2
                    predictions.append(0)
                else:  # male, age <= 10, SibSp <=2
                    if passenger[6] == 0:  # male, age <= 10, SibSp <=2, Parch == 0
                        predictions.append(0)
                    else:  # male, age <= 10, SibSp <=2, Parch > 0
                        predictions.append(1)
    return pd.Series(predictions)

我们的822,我们的青春
欢迎所有热爱知识热爱生活的朋友和822实验室一起成长,吃喝玩乐,享受知识。

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 194,524评论 5 460
  • 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 81,869评论 2 371
  • 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 141,813评论 0 320
  • 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 52,210评论 1 263
  • 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 61,085评论 4 355
  • 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 46,117评论 1 272
  • 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 36,533评论 3 381
  • 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 35,219评论 0 253
  • 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 39,487评论 1 290
  • 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 34,582评论 2 309
  • 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 36,362评论 1 326
  • 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 32,218评论 3 312
  • 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 37,589评论 3 299
  • 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 28,899评论 0 17
  • 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 30,176评论 1 250
  • 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 41,503评论 2 341
  • 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 40,707评论 2 335

推荐阅读更多精彩内容