基于自编写的随机森林算法的adult数据集分类

压缩包主要采用随机森林算法处理adult数据集的分类问题，主要包含四部分，第一部分是由python编写的adult数据集预处理过程，第二部分是自己编写的随机森林算法处理adult数据集，第三部分是调用python中sklearn模块处理adult分类问题，第四部分是基于matlab调用5种机器学习分类算法分别处理adult分类问题比较哪种算法能够取得更好的分类效果。

# -*- coding: utf-8 -*-
“““
Created on Tue Nov  6 13:29:41 2018

@author: 28770
“““

import pandas as pd

excelFile=r‘ML_data2.xlsx‘
train_df = pd.Dataframe（pd.read_excel（excelFilesheet_name=0））  #读取指定路径的表格的sheet0为文件并转换到结构框格式
test_df= pd.Dataframe（pd.read_excel（excelFilesheet_name=1）） #读取指定路径的表格的sheet1为文件并转换到结构框格式

‘‘‘
#workClass_loss用于返回train_df中‘workClass‘这一列中的确实项，缺失数据处为True
workClass_loss=train_df[‘workClass‘].isnull（）  #.notnull（）效果与其相反。
‘‘‘

‘‘‘
缺失值填充步骤：（使用缺失值上一行的数据填充缺失值处）
对train_df中的缺失值进行填充，其中.mode（）是用这一列的众数填充，mean（）使用列平均值填充。
其中，由于可能某一列有多个相同的众数，因此.mode（）返回的是一个series不像mean（）一样返回
的是一个数值，因此，采用.mode（）[0]自动将其填充为第一个众数。
‘‘‘
train_df_fill=train_df.fillna（method=“ffill“）
test_df_fill=test_df.fillna（method=“ffill“）

‘‘‘
删除重复的列信息
‘‘‘
train_df_fill=train_df_fill.drop（[‘education‘]1）
test_df_fill=test_df_fill.drop（[‘education‘]1）

‘‘‘
离散特征映射
‘‘‘
salary_mapping={‘<=50K‘:0‘>50K‘:1}
train_df_fill[‘salary‘]=train_df_fill[‘salary‘].map（salary_mapping）
test_df_fill[‘salary‘]=test_df_fill[‘salary‘].map（salary_mapping）

Discrete_attribute=[‘workClass‘‘education‘‘marital_status‘‘occupation‘
                    ‘relationship‘‘race‘‘sex‘‘native_country‘]

for attribute in Discrete_attribute:
    attribute_mapping = {lab:idx for idxlab in enumerate（set（train_df_fill[attribute]））} 
    train_df_fill[attribute] = train_df_fill[attribute].map（attribute_mapping）  
    test_df_fill[attribute] = test_df_fill[attribute].map（attribute_mapping）

‘‘‘
workClass_mapping = {lab:idx for idxlab in enumerate（set（train_df_fill[‘workClass‘]））} 
train_df_fill[‘workClass‘] = train_df_fill[‘workClass‘].map（workClass_mapping）  
test_df_fill[‘workClass‘] = test_df_fill[‘workClass‘].map（workClass_mapping） 

education_mapping = {lab:idx for idxlab in enumerate（set（train_df_fill[‘education‘]））} 
train_df_fill[‘education‘] = train_df_fill[‘education‘].map（education_mapping）  
test_df_fill[‘education‘] = test_df_fill[‘education‘].map（education_mapping） 

marital_status_mapping = {lab:idx for idxlab in enumerate（set（train_df_fill[‘marital_status‘]））} 
train_df_fill[‘marital_status‘] = train_df_fill[‘marital_status‘].map（marital_status_mapping）  
test_df_fill[‘marital_status‘] = test_df_fill[‘marital_status‘].map（marital_status_mapping） 

occupation_mapping = {lab:idx for idxlab in enumerate（set（train_df_fill[‘occupation‘]））} 
train_df_fill[‘occupation‘] = train_df_fill[‘occupation‘].map（occupation_mapping）  
test_df_fill[‘occupation‘] = test_df_fill[‘occupation‘].map（occupation_mapping） 

relationship_mapping = {lab:idx for idxlab in enumerate（set（train_df_fill[‘relationship‘]））} 
train_df_fill[‘relationship‘] = train_df_fill[‘relationship‘].map（relationship_mapping）  
test_df_fill[‘relationship‘] = test_df_fill[‘relationship‘].map（relationship_mapping） 

race_mapping = {lab:idx for idxlab in enumerate（set（train_df_fill[‘race‘]））} 
train_df_fill[‘race‘] = train_df_fill[‘race‘].map（race_mapping）  
test_df_

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       4575  2018-11-13 23:33  Random_Forest\excel_change.py

     文件       1589  2018-11-13 20:55  Random_Forest\Matlab_xlr\excel_run.m

     文件    2677491  2018-11-06 20:50  Random_Forest\Matlab_xlr\ML_data2_trans.xlsx

     文件    2918697  2018-11-01 21:57  Random_Forest\ML_data2.xlsx

     文件     642592  2018-11-08 10:55  Random_Forest\ML_data2_test.csv

     文件    1285749  2018-11-08 10:55  Random_Forest\ML_data2_train.csv

     文件    2677491  2018-11-06 20:50  Random_Forest\ML_data2_trans.xlsx

     文件     642435  2018-11-08 10:59  Random_Forest\Random Forest\ML_data2_test.csv

     文件    1285592  2018-11-08 10:59  Random_Forest\Random Forest\ML_data2_train.csv

     文件    2677491  2018-11-06 20:50  Random_Forest\Random Forest\ML_data2_trans.xlsx

     文件      10260  2018-11-14 13:26  Random_Forest\Random Forest\Random_Forest.py

     文件     642435  2018-11-08 10:59  Random_Forest\RF_sklearn\ML_data2_test.csv

     文件    1285592  2018-11-08 10:59  Random_Forest\RF_sklearn\ML_data2_train.csv

     文件    2677491  2018-11-06 20:50  Random_Forest\RF_sklearn\ML_data2_trans.xlsx

     文件       1259  2018-11-14 14:15  Random_Forest\RF_sklearn\RF_sklearn.py

     文件        214  2018-11-14 13:51  Random_Forest\文本描述（首先阅读）.txt

     目录          0  2018-12-14 10:51  Random_Forest\Matlab_xlr

     目录          0  2018-12-14 10:51  Random_Forest\Random Forest

     目录          0  2018-12-14 10:51  Random_Forest\RF_sklearn

     目录          0  2018-12-14 10:51  Random_Forest

----------- ---------  ---------- -----  ----

             19430953                    20