melissalj / finding-donors Goto Github PK

简介：该项目属于优达学城机器学习纳米学位”监督学习“项目，主要通过监督学习方法对美国人口普查数据进行分析，以帮助CharityML（一个虚拟的慈善机构）识别最有可能向他们捐款的人，项目首先探索数据以了解人口普查数据是如何记录的。接着使用一系列的转换和预处理技术清洗数据。然后基于数据集特点评价所选择的几个算法，并考虑哪一个是最合适的。最后对所选模型进行优化并探索其预测能力。

注：由于是学位项目，过程中除了代码会穿插若干问题，通过建立模型并回答问题的模式，能够更深入的了解各种监督学习算法的实质及其应用场景。

这个项目需要安装下面这些python包：

• NumPy
• Pandas
• scikit-learn
• matplotlib

推荐安装Anaconda, 这是一个已经打包好的python发行版，它包含了我们这个项目需要的所有的库和软件。

代码包含在finding_donors.ipynb这个notebook文件中。还会用到visuals.py和名为census.csv的数据文件来完成这个项目。 注：该项目中一小部分引导性的代码以及visuals.py文件由优达课程提供。其它部分自行完成。

修改的人口普查数据集含有将近32,000个数据点，每一个数据点含有13个特征。这个数据集是Ron Kohavi的论文*"Scaling Up the Accuracy of Naive-Bayes Classifiers: a Decision-Tree Hybrid",*中数据集的一个修改版本。你能够在这里找到论文，在UCI的网站找到原始数据集。

特征

• age: 一个整数，表示被调查者的年龄。
• workclass: 一个类别变量表示被调查者的通常劳动类型，允许的值有 {Private, Self-emp-not-inc, Self-emp-inc, Federal-gov, Local-gov, State-gov, Without-pay, Never-worked}
• education_level: 一个类别变量表示教育程度，允许的值有 {Bachelors, Some-college, 11th, HS-grad, Prof-school, Assoc-acdm, Assoc-voc, 9th, 7th-8th, 12th, Masters, 1st-4th, 10th, Doctorate, 5th-6th, Preschool}
• education-num: 一个整数表示在学校学习了多少年
• marital-status: 一个类别变量，允许的值有 {Married-civ-spouse, Divorced, Never-married, Separated, Widowed, Married-spouse-absent, Married-AF-spouse}
• occupation: 一个类别变量表示一般的职业领域，允许的值有 {Tech-support, Craft-repair, Other-service, Sales, Exec-managerial, Prof-specialty, Handlers-cleaners, Machine-op-inspct, Adm-clerical, Farming-fishing, Transport-moving, Priv-house-serv, Protective-serv, Armed-Forces}
• relationship: 一个类别变量表示家庭情况，允许的值有 {Wife, Own-child, Husband, Not-in-family, Other-relative, Unmarried}
• race: 一个类别变量表示人种，允许的值有 {White, Asian-Pac-Islander, Amer-Indian-Eskimo, Other, Black}
• sex: 一个类别变量表示性别，允许的值有 {Female, Male}
• capital-gain: 连续值。
• capital-loss: 连续值。
• hours-per-week: 连续值。
• native-country: 一个类别变量表示原始的国家，允许的值有 {United-States, Cambodia, England, Puerto-Rico, Canada, Germany, Outlying-US(Guam-USVI-etc), India, Japan, Greece, South, China, Cuba, Iran, Honduras, Philippines, Italy, Poland, Jamaica, Vietnam, Mexico, Portugal, Ireland, France, Dominican-Republic, Laos, Ecuador, Taiwan, Haiti, Columbia, Hungary, Guatemala, Nicaragua, Scotland, Thailand, Yugoslavia, El-Salvador, Trinadad&Tobago, Peru, Hong, Holand-Netherlands}

目标变量

• income: 一个类别变量，表示收入属于那个类别，允许的值有 {<=50K, >50K}