泰坦尼克号幸存者预测贝叶斯网络

### 使用贝叶斯网络对泰坦尼克号幸存者进行预测 贝叶斯网络是一种基于概率图模型的技术，能够表示变量之间的条件依赖关系。对于泰坦尼克号幸存者的预测问题，可以构建一个贝叶斯网络来捕捉乘客特征与生存状态之间的复杂关联。 #### 数据预处理 为了建立有效的贝叶斯网络模型，首先需要准备并清理数据集。这通常涉及以下几个方面： - 处理缺失值：通过填充均值、众数或其他合理估计方法解决。 - 类别编码：将非数值属性转换成机器学习算法可理解的形式，比如性别字段由字符串转为二进制0/1表示[^1]。 ```python import pandas as pd from sklearn.preprocessing import LabelEncoder # 加载数据 data = pd.read_csv('titanic.csv') # 填充年龄中的NaN值 data['Age'].fillna(data['Age'].mean(), inplace=True) # 对类别型特征进行标签编码 le_sex = LabelEncoder() data['Sex'] = le_sex.fit_transform(data['Sex']) ``` #### 构建贝叶斯网络结构 定义节点及其相互间的因果联系是创建贝叶斯网络的关键步骤之一。针对本案例，可以选择如下几个主要因素作为节点： - 年龄 (Age) - 性别 (Sex) - 舱位等级(Pclass) - 家庭成员数量(SibSp, Parch组合而成的新特征FamilySize) - 生还情况(Survived)，这是目标变量 这些节点之间存在一定的逻辑依存关系，例如男性可能更不容易存活；儿童相较于成人有更高的生还几率等。 #### 参数学习 一旦确定了网络拓扑结构之后，则需利用训练样本计算各条件下事件发生的先验概率分布以及条件概率表(CPTs)。Scikit-Learn库本身并不直接支持完整的贝叶斯网路实现，但可以通过其他专门工具如pgmpy来进行参数的学习过程。 ```python from pgmpy.models import BayesianModel from pgmpy.estimators import MaximumLikelihoodEstimator model_structure = [ ('Pclass', 'Survived'), ('Sex', 'Survived'), ('Age', 'Survived'), ('FamilySize', 'Survived') ] bayesian_model = BayesianModel(model_structure) bayesian_model.fit(data[['Pclass', 'Sex', 'Age', 'FamilySize', 'Survived']], estimator=MaximumLikelihoodEstimator) ``` #### 预测评估 完成上述准备工作后就可以使用该模型对未来实例做出推断，并可通过交叉验证等方式检验其性能表现。 ```python from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score train_data, test_data = train_test_split(data, test_size=0.2, random_state=42) predictions = bayesian_model.predict(test_data.drop(columns=['Survived'])) accuracy = accuracy_score(test_data['Survived'], predictions['Survived']) print(f'Accuracy of the model is {accuracy:.2f}') ```