Atividade - 1° modelo do titanic

for dirname, _, filenames in os.walk('/kaggle/input'):
    for filename in filenames:
        print(os.path.join(dirname, filename))
import seaborn as sns

#conhecer um banco de dados ,e com pedições prever um novo conjuto de dados 
#train e test - generalização , usar dados novos , não dados de test , para testar a eficacia ,e  sim os dados do train 
# pra tal vou  modelar usando o train 
#gender submission me da: 0.76555

# O nosso codigo conseguiu : 0,62679

### VIZUALIZAÇÃO DO BANCO DE DADOS ###

## leganda do banco de dados ##
#PassengerId - indentificador de cada passageiro 
#survived - o que eu preciso prever , se sobreviveu ou não no naufragio 
#Pclass - qual classe ele estava (1° , 2° , 3° )
#name - é o nome né 
#sex - seguindo a logica de mulheres e crianças priemiro 
#idade - idade do individo 
#SibSp - indicador se a pessoa estava viajando com alguém , acompanhante ou coisa do tipo 
#Parch - se a pessoa estava aconapnhanda de filhos , ou era filha de alguém que estvaa lá 
#Ticket - o numero d apassagem 
# fare - é o preço da passsagem da pessoa 
# cabin - o numero da cabine da pessoa 
#Embarked - em qual porto ela embracou no navio( S,C , e mais um )


####### inicio do codigo #########

##################  QUESTÃO 6.1 #####################
train = pd.read_csv('../input/titanic/train.csv')
test = pd.read_csv('../input/titanic/test.csv')



###  item B da apostila ######
train.describe( )
print()
test.describe()



##### ITEM D, E DA APOSTILA ############

#ARRUMANDO O BANCO DE DADOS 

#limpeza do banco de dados  
#sumindo com valores que são do tipo NaN , que atrapalham no funcionamento do aprendizado
train_clean = train.fillna(0)
test_clean = test.fillna(0)


########## ITEM C  DA APOSTILA #############

train.info()
print()
test.info()

print ('Os valores vazios')
print('No dataframe de test')
print(test_clean.isnull().sum())
print()
print('No dataframe de treino')
print(train_clean.isnull().sum())






########################    QUESTÃO 6.2 #####################

#SEPARAÇÃO DE IDADES : 
idades = ['(0-10)','(10-20)','(20-30)','(30-40)','(40-50)','(50-60)','(60- 70)','(+70)']
# bins mostra os paramertros de cada separação, de cada um dos valores 
bins = [0,10,20,30,40,50,60,70,np.inf]
train_clean['Intervalo de Idade']=pd.cut(train_clean['Age'],bins, labels = idades)
display(train_clean)


#o grafico 

grafico = sns.barplot(data=train_clean, x='Intervalo de Idade',y= "Survived")

test_clean = test_clean.drop(['Cabin'], axis = 1)
train_clean = train_clean.drop(['Cabin'], axis = 1)

display(test_clean)







################ QUESTÃO 6.3 #############

# O Modelo ## 
from sklearn.ensemble import RandomForestClassifier #arvore de decisçao 
#n_estimators - são a quantidade de arvores de decisão 
#n_jobs - especifica o número de núcleos a serem usados para as principais tarefas de machine learning
modelo = RandomForestClassifier(n_estimators = 100 , n_jobs =-1, random_state=0)


# Variavel de entrada pra treinar o modelo 
#somente variaveis numericas 
variaveis = ['Pclass','Age','SibSp','Parch','Fare' ]
x = train_clean[variaveis]
#o que queremos prever 
y = train_clean["Survived"]

#ajuste do modelo
modelo.fit(x,y)

#APLICANDO O MODELO NOS DADOS DE TESTE TAMBÉM##
x_prev = test_clean[variaveis]






#APLICANDO A PREVISÃO DE FATO#
previsto = modelo.predict(x_prev)
previsoes = pd.Series(previsto, index =test['PassengerId'], name = "Survived")
## o resultado para a competição 
previsoes.to_csv("Machine Learning- primeiro modelo do NIAS - IA.csv", header= True)