清理我们的数据

在此，我们通过删除 NaN（缺失）值来清理数据，同时避免/删除数据集合中不必要的列。

运用逻辑回归，您需要具有双精度和整数值，因此您必须避免无意义的字符串值。在这种情况下，我们将忽略以下列：

• Name 列 (它的信息没有任何有意义)

• Ticket 列 (对事故的幸存没有任何意义)

• Cabin 列 (它有太多的缺失值，即使前 5 行也表现如此)

• Embarked (我认为这无关紧要)

为此，我将在 WPS office 中打开 CSV 文件，并手动删除这些列，您可以用您所选的任何电子表格程序。

经由电子表格删除这些列后，我们就来可视化新数据。

new_data = pd.read_csv(r'C:\Users\Omega Joctan\AppData\Roaming\MetaQuotes\Terminal\892B47EBC091D6EF95E3961284A76097\MQL5\Files\titanic.csv') new_data.head(5)

输出:

编辑切换为居中

我们现已清理数据完毕，但在年龄列中仍然有缺失的数值，更不用说在性别列中还有字符串值。 我们需通过一些代码来解决这个问题。 我们来创建一个标签编码器，将字符串男性和女性分别转换为 0 和 1。

void CLogisticRegression::LabelEncoder(string &src[],int &EncodeTo[],string members="male,female") {   string MembersArray[];   ushort separator = StringGetCharacter(m_delimiter,0);   StringSplit(members,separator,MembersArray); //convert members list to an array   ArrayResize(EncodeTo,ArraySize(src)); //make the EncodeTo array same size as the source array        int binary=0;      for(int i=0;i<ArraySize(MembersArray);i++) // loop the members array        {           string val = MembersArray[i];           binary = i; //binary to assign to a member           int label_counter = 0;                     for (int j=0; j<ArraySize(src); j++)              {                string source_val = src[j];                 if (val == source_val)                   {                    EncodeTo[j] = binary;                    label_counter++;                   }              }           Print(MembersArray[binary]," total =",label_counter," Encoded To = ",binary);        } }