1994年美国人口普查数据 分类预测与集成学习

       对于分类预测学习任务，从指定的数据源读取数据，对数据进行必要的处理，选取合适的特征，构造分类模型，确定一个人的年收入是否超过50K。

       数据来源：1994年美国人口普查数据库。数据存放在data目录中，其中，adult.data存放训练数据，adult.test存放测试数据。

     （下载地址：https://archive.ics.uci.edu/ml/datasets/Adult ）

特征列介绍：

age：年龄，整数

workclass：工作性质，字符串，包含少数几种取值，例如：Private、State-gov等

education：教育程度，字符串，包含少数几种取值，例如：Bachelors、Masters等

education_num：受教育年限，整数

maritial_status：婚姻状况，字符串，包含少数几种取值，例如：Never-married、Divorced等

occupation：职业，字符串，包含少数几种取值，例如：Sales、Tech-Support等

relationship：亲戚关系，字符串，包含少数几种取值，例如：Husband、Wife等

race：种族，字符串，包含少数几种取值，例如：White、Black等

sex：性别，字符串，包含少数几种取值，例如：Female, Male

capital_gain：资本收益，浮点数

capital_loss：资本损失，浮点数

hours_per_week：每周工作小时数，浮点数

native_country：原籍，包含少数几种取值，例如：United-States, Mexico等

分类标签列：income  >50K   ≤50K

数据探查

熟悉数据，查看数据结构和数据分布情况

• 读取数据文件，查看行列信息

行列信息结果：

• 查看数值类型列的数据描述信息

对于数值类型的列，可以分别查看每列的基本统计信息，例如：数据个数、均值、标准差、极值、四分位数、中位数

• 以可视化的方式查看数值类型的取值分布情况

在上一步骤中，capital_gain和capi