一、基于PaddlePaddle的中风患者线性模型预测

1.背景描述

中风是一种医学疾病，由于流向大脑的血液不足导致细胞死亡。中风主要有两种类型：缺血性中风（缺乏血液流动导致）和出血性中风（出血导致）。两者都会导致大脑的某些部分停止正常运作。

中风的体征和症状可能包括一侧身体无法移动或感觉，理解或说话问题，头晕或一侧视力丧失。症状和体征通常在中风发生后不久就会出现。

如果症状持续不到一两个小时，中风就是短暂性脑缺血发作(TIA)，也称为小中风。

出血性中风还可能伴有严重的头痛。中风的症状可能是永久性的。长期并发症可能包括肺炎和膀胱失控。

中风的主要危险因素是高血压。

其他危险因素包括高血胆固醇、吸烟、肥胖、糖尿病、以前的TIA、终末期肾病和心房颤动。

缺血性中风通常是由血管堵塞引起的，尽管也有一些不太常见的原因。

出血性中风是由出血直接进入大脑或进入大脑膜之间的空间引起的。

出血可能是由于脑动脉瘤破裂引起的。诊断通常基于身体检查，并辅以医学成像，如CT扫描或MRI扫描。

CT扫描可以排除出血，但不一定排除缺血，早期的CT扫描通常不会显示缺血。其他检查，如心电图(ECG)和血液检查，以确定危险因素和排除其他可能的原因。低血糖也可能引起类似的症状。

2.数据说明

《中国成人超重和肥胖症预防控制指南》的BMI分类：

BMI	身体质量指数说明
< 18.5	体重过轻
18.5 - 23.9	体重正常
24 - 27.9	超重
> 28	肥胖

血糖水平
正常空腹血糖浓度的预期值介于 70 mg/dL 到 100 mg/dL 之间。

或：3.9 mmol/L 和 5.6 mmol/L 之间

二、数据分析

1.基础分析

import numpy as np
import pandas as pd

data = pd.read_csv('data/data225165/brain_stroke.csv',encoding='gbk')
data.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	性别	年龄	是否患有高血压	是否患有心脏病	是否有过婚姻	工作类型	住宅类型	血糖水平	BMI	吸烟状况	是否中风
0	男性	67.0	0	1	1	私人企业	城市	228.69	36.6	以前吸烟	1
1	男性	80.0	0	1	1	私人企业	农村	105.92	32.5	从不吸烟	1
2	女性	49.0	0	0	1	私人企业	城市	171.23	34.4	吸烟	1
3	女性	79.0	1	0	1	自雇人士	农村	174.12	24.0	从不吸烟	1
4	男性	81.0	0	0	1	私人企业	城市	186.21	29.0	以前吸烟	1

data[data.duplicated()]

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	性别	年龄	是否患有高血压	是否患有心脏病	是否有过婚姻	工作类型	住宅类型	血糖水平	BMI	吸烟状况	是否中风

data.isnull().sum()

性别         0
年龄         0
是否患有高血压    0
是否患有心脏病    0
是否有过婚姻     0
工作类型       0
住宅类型       0
血糖水平       0
BMI        0
吸烟状况       0
是否中风       0
dtype: int64

data.shape

(4981, 11)

# 判断data中各个字段的取值是否与数据字典中一致
# 以及判断是否存在额外的空值，如空格表示的空值
for column in data.columns:
    print(column + ":" + str(data[column].unique()))

性别:['男性' '女性']
年龄:[6.70e+01 8.00e+01 4.90e+01 7.90e+01 8.10e+01 7.40e+01 6.90e+01 7.80e+01 6.10e+01 5.40e+01 5.00e+01 6.40e+01 7.50e+01 6.00e+01 7.10e+01 5.20e+01 8.20e+01 6.50e+01 5.70e+01 4.20e+01 4.80e+01 7.20e+01 5.80e+01 7.60e+01 3.90e+01 7.70e+01 6.30e+01 7.30e+01 5.60e+01 4.50e+01 7.00e+01 5.90e+01 6.60e+01 4.30e+01 6.80e+01 4.70e+01 5.30e+01 3.80e+01 5.50e+01 4.60e+01 3.20e+01 5.10e+01 1.40e+01 3.00e+00 8.00e+00 3.70e+01 4.00e+01 3.50e+01 2.00e+01 4.40e+01 2.50e+01 2.70e+01 2.30e+01 1.70e+01 1.30e+01 4.00e+00 1.60e+01 2.20e+01 3.00e+01 2.90e+01 1.10e+01 2.10e+01 1.80e+01 3.30e+01 2.40e+01 3.60e+01 6.40e-01 3.40e+01 4.10e+01 8.80e-01 5.00e+00 2.60e+01 3.10e+01 7.00e+00 1.20e+01 6.20e+01 2.00e+00 9.00e+00 1.50e+01 2.80e+01 1.00e+01 1.80e+00 3.20e-01 1.08e+00 1.90e+01 6.00e+00 1.16e+00 1.00e+00 1.40e+00 1.72e+00 2.40e-01 1.64e+00 1.56e+00 7.20e-01 1.88e+00 1.24e+00 8.00e-01 4.00e-01 8.00e-02 1.48e+00 5.60e-01 1.32e+00 1.60e-01 4.80e-01]
是否患有高血压:[0 1]
是否患有心脏病:[1 0]
是否有过婚姻:[1 0]
工作类型:['私人企业' '自雇人士' '政府部门' '儿童']
住宅类型:['城市' '农村']
血糖水平:[228.69 105.92 171.23 ... 191.15  95.02  83.94]
BMI:[36.6 32.5 34.4 24.  29.  27.4 22.8 24.2 29.7 36.8 27.3 28.2 30.9 37.5 25.8 37.8 22.4 48.9 26.6 27.2 23.5 28.3 44.2 25.4 22.2 30.5 26.5 33.7 23.1 32.  29.9 23.9 28.5 26.4 20.2 33.6 38.6 39.2 27.7 31.4 36.5 33.2 32.8 40.4 25.3 30.2 47.5 20.3 30.  28.9 28.1 31.1 21.7 27.  24.1 45.9 44.1 22.9 29.1 32.3 41.1 25.6 29.8 26.3 26.2 29.4 24.4 28.  28.8 34.6 19.4 30.3 41.5 22.6 27.1 31.3 31.  31.7 35.8 28.4 20.1 26.7 38.7 34.9 25.  23.8 21.8 27.5 24.6 32.9 26.1 31.9 34.1 36.9 37.3 45.7 34.2 23.6 22.3 37.1 45.  25.5 30.8 37.4 34.5 27.9 29.5 46.  42.5 35.5 26.9 45.5 31.5 33.  23.4 30.7 20.5 21.5 40.  28.6 42.2 29.6 35.4 16.9 26.8 39.3 32.6 35.9 21.2 42.4 40.5 36.7 29.3 19.6 18.  17.6 17.7 35.  22.  39.4 19.7 22.5 25.2 41.8 23.7 24.5 31.2 16.  31.6 25.1 24.8 18.3 20.  19.5 36.  35.3 40.1 43.1 21.4 34.3 27.6 16.5 24.3 25.7 21.9 38.4 25.9 18.6 24.9 48.2 20.7 39.5 23.3 35.1 43.6 21.  47.3 16.6 21.6 15.5 35.6 16.7 41.9 16.4 17.1 29.2 37.9 44.6 39.6 40.3 41.6 39.  23.2 18.9 36.1 36.3 46.5 16.8 46.6 35.2 20.9 31.8 15.3 38.2 45.2 17.  27.8 23.  22.1 26. 44.3 39.7 34.7 21.3 41.2 34.8 19.2 35.7 40.8 24.7 19.  32.4 34.  28.7 32.1 20.4 30.6 19.3 40.9 17.2 16.1 16.2 40.6 18.4 21.1 42.3 32.2 17.5 42.1 47.8 20.8 30.1 17.3 36.4 36.2 14.4 43.  41.7 33.8 43.9 22.7 18.7 37.  38.5 16.3 44.  32.7 40.2 33.3 17.4 41.3 14.6 17.8 46.1 33.1 18.1 43.8 38.9 43.7 39.9 15.9 19.8 38.3 41.  42.6 43.4 15.1 20.6 33.5 43.2 19.1 30.4 38.  33.4 44.9 44.7 37.6 39.8 42.  37.2 42.8 18.8 42.9 14.3 37.7 48.4 46.2 43.3 33.9 18.5 44.5 45.4 19.9 17.9 15.6 15.2 18.2 48.5 14.1 15.7 44.8 38.1 44.4 38.8 39.1 41.4 14.2 15.4 45.1 48.7 42.7 48.8 15.8 45.3 14.8 40.7 48.  46.8 48.3 14.5 15.  47.4 47.9 45.8 47.6 14. 46.4 46.9 47.1 48.1 46.3 14.9]
吸烟状况:['以前吸烟' '从不吸烟' '吸烟' '不详']
是否中风:[1 0]

三、特征处理

1.特征分类变量序列化

data.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	性别	年龄	是否患有高血压	是否患有心脏病	是否有过婚姻	工作类型	住宅类型	血糖水平	BMI	吸烟状况	是否中风
0	男性	67.0	0	1	1	私人企业	城市	228.69	36.6	以前吸烟	1
1	男性	80.0	0	1	1	私人企业	农村	105.92	32.5	从不吸烟	1
2	女性	49.0	0	0	1	私人企业	城市	171.23	34.4	吸烟	1
3	女性	79.0	1	0	1	自雇人士	农村	174.12	24.0	从不吸烟	1
4	男性	81.0	0	0	1	私人企业	城市	186.21	29.0	以前吸烟	1

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()

# 除去序号列
columns=data.columns
print(len(columns))
for column in columns:
    print(column)

11
性别
年龄
是否患有高血压
是否患有心脏病
是否有过婚姻
工作类型
住宅类型
血糖水平
BMI
吸烟状况
是否中风

label_colum_encoder = ['性别', '工作类型', '住宅类型', '吸烟状况' ]

for column in label_colum_encoder:
    print(f"完成 {column} 列序列化")
    data[column]=le.fit_transform(data[column])

完成 性别 列序列化
完成 工作类型 列序列化
完成 住宅类型 列序列化
完成 吸烟状况 列序列化

data.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	性别	年龄	是否患有高血压	是否患有心脏病	是否有过婚姻	工作类型	住宅类型	血糖水平	BMI	吸烟状况	是否中风
0	1	67.0	0	1	1	2	1	228.69	36.6	2	1
1	1	80.0	0	1	1	2	0	105.92	32.5	1	1
2	0	49.0	0	0	1	2	1	171.23	34.4	3	1
3	0	79.0	1	0	1	3	0	174.12	24.0	1	1
4	1	81.0	0	0	1	2	1	186.21	29.0	2	1

2.数据标准化

columns=['年龄','工作类型','血糖水平','BMI','吸烟状况']
for column in columns:
    col = data[column]
    col_min = col.min()
    col_max = col.max()
    normalized = (col - col_min) / (col_max - col_min)
    data[column] = normalized

data.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	性别	年龄	是否患有高血压	是否患有心脏病	是否有过婚姻	工作类型	住宅类型	血糖水平	BMI	吸烟状况	是否中风
0	1	0.816895	0	1	1	0.666667	1	0.801265	0.647564	0.666667	1
1	1	0.975586	0	1	1	0.666667	0	0.234512	0.530086	0.333333	1
2	0	0.597168	0	0	1	0.666667	1	0.536008	0.584527	1.000000	1
3	0	0.963379	1	0	1	1.000000	0	0.549349	0.286533	0.333333	1
4	1	0.987793	0	0	1	0.666667	1	0.605161	0.429799	0.666667	1

3.数据集切分

from sklearn.model_selection import train_test_split
# 切分数据集为 训练集 、 测试集
train, test = train_test_split(data, test_size=0.2, random_state=2023)

3.协相关

data.corr()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	性别	年龄	是否患有高血压	是否患有心脏病	是否有过婚姻	工作类型	住宅类型	血糖水平	BMI	吸烟状况	是否中风
性别	1.000000	-0.026538	0.021485	0.086476	-0.028971	-0.075975	-0.004301	0.055796	-0.012093	-0.000653	0.008870
年龄	-0.026538	1.000000	0.278120	0.264852	0.677137	0.583042	0.017155	0.236763	0.373703	0.305230	0.246478
是否患有高血压	0.021485	0.278120	1.000000	0.111974	0.164534	0.140098	-0.004755	0.170028	0.158762	0.104703	0.131965
是否患有心脏病	0.086476	0.264852	0.111974	1.000000	0.114765	0.108356	0.002125	0.166847	0.060926	0.085429	0.134610
是否有过婚姻	-0.028971	0.677137	0.164534	0.114765	1.000000	0.455567	0.008191	0.150724	0.371690	0.287190	0.108398
工作类型	-0.075975	0.583042	0.140098	0.108356	0.455567	1.000000	0.004053	0.100118	0.378679	0.318605	0.091301
住宅类型	-0.004301	0.017155	-0.004755	0.002125	0.008191	0.004053	1.000000	0.001346	0.013185	0.026798	0.016494
血糖水平	0.055796	0.236763	0.170028	0.166847	0.150724	0.100118	0.001346	1.000000	0.186348	0.079654	0.133227
BMI	-0.012093	0.373703	0.158762	0.060926	0.371690	0.378679	0.013185	0.186348	1.000000	0.245660	0.056926
吸烟状况	-0.000653	0.305230	0.104703	0.085429	0.287190	0.318605	0.026798	0.079654	0.245660	1.000000	0.054793
是否中风	0.008870	0.246478	0.131965	0.134610	0.108398	0.091301	0.016494	0.133227	0.056926	0.054793	1.000000

import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
sns.set_style('whitegrid')
# 热力图
plt.figure(figsize=(20,12))
sns.heatmap(train.corr(), annot=True)

<matplotlib.axes._subplots.AxesSubplot at 0x7f3592d83dd0>

四、模型训练

1.网络定义

import paddle
import paddle.nn.functional as F
# 定义动态图
class Net(paddle.nn.Layer):
    def __init__(self):
        super(Net, self).__init__()
        # 定义一层全连接层，输出维度是1，激活函数为None，即不使用激活函数
        self.fc = paddle.nn.Linear(in_features=10,out_features=2)
    # 网络的前向计算函数
    def forward(self, inputs):
        pred = self.fc(inputs)
        return pred

net=Net()

2.超参设置

# 设置迭代次数
epochs = 6
#  paddle.nn.loss.CrossEntropyLoss正常
#  paddle.nn.CrossEntropyLoss不正常
loss_func = paddle.nn.CrossEntropyLoss()
#优化器
opt = paddle.optimizer.Adam(learning_rate=0.1,parameters=net.parameters())

3.模型训练

#训练程序
for epoch in range(epochs):
    all_acc = 0
    for i in range(train.shape[0]):
        x = paddle.to_tensor([train.iloc[i,:-1]])
        y = paddle.to_tensor([train.iloc[i,-1]])
        infer_y = net(x)
        loss = loss_func(infer_y,y)
        loss.backward()
        y=label = paddle.to_tensor([y], dtype="int64")
        acc= paddle.metric.accuracy(infer_y, y)
        all_acc=all_acc+acc.numpy()
        opt.step()
        opt.clear_gradients#清除梯度
        # print("epoch: {}, loss is: {},acc is:{}".format(epoch, loss.numpy(),acc.numpy()))  #由于输出过长，这里注释掉了
    print("第{}次正确率为：{}".format(epoch+1,all_acc/i))

第1次正确率为：[0.906352]
第2次正确率为：[0.913884]
第3次正确率为：[0.9131308]
第4次正确率为：[0.9131308]
第5次正确率为：[0.9199096]
第6次正确率为：[0.9113733]

五、模型评估

1.评估

#测试集数据运行
net.eval()#模型转换为测试模式
all_acc = 0
for i in range(test.shape[0]):
        x = paddle.to_tensor([test.iloc[i,:-1]])
        y = paddle.to_tensor([test.iloc[i,-1]])        
        infer_y = net(x)
        y=label = paddle.to_tensor([y], dtype="int64")
    # 计算损失与精度
        loss = loss_func(infer_y, y)
        acc = paddle.metric.accuracy(infer_y, y)
        all_acc = all_acc+acc.numpy()
    # 打印信息
        #print("loss is: {}, acc is: {}".format(loss.numpy(), acc.numpy()))
print("测试集正确率：{}".format(all_acc/i))

测试集正确率：[0.87650603]

2.预测

#预测结果展示
net.eval()
x = paddle.to_tensor([test.iloc[0,:-1]])
y = paddle.to_tensor([test.iloc[0,-1]])    
infer_y = net(x)
y=label = paddle.to_tensor([y], dtype="int64")
# 计算损失与精度
loss = loss_func(infer_y, y)
# 打印信息
print("test[0] is :{}\n y_test[0] is :{}\n predict is {}".format(test.iloc[0,:-1] ,test.iloc[0,-1], np.argmax(infer_y.numpy()[0])))

test[0] is :性别         0.000000
年龄         0.218750
是否患有高血压    0.000000
是否患有心脏病    0.000000
是否有过婚姻     0.000000
工作类型       0.666667
住宅类型       1.000000
血糖水平       0.202613
BMI        0.329513
吸烟状况       0.666667
Name: 4121, dtype: float64
 y_test[0] is :0
 predict is 0

六、注意事项

paddle.metric.accuracy使用时要注意维度对齐，不然会出错。

例如这里给他套了一层：

y=label = paddle.to_tensor([y], dtype="int64")

基于PaddlePaddle的中风患者线性模型预测

一、基于PaddlePaddle的中风患者线性模型预测

1.背景描述

2.数据说明

二、数据分析

1.基础分析

三、特征处理

1.特征分类变量序列化

2.数据标准化

3.数据集切分

3.协相关

四、模型训练

1.网络定义

2.超参设置

3.模型训练

五、模型评估

1.评估

2.预测

六、注意事项

热门文章

最新文章

相关电子书

探索云世界

热门

云计算

大数据

云原生

人工智能

数据库

开发与运维

活动广场

任务中心

训练营

直播

乘风者计划

下载

镜像站

技术资料

基于PaddlePaddle的中风患者线性模型预测

一、基于PaddlePaddle的中风患者线性模型预测

1.背景描述

2.数据说明

二、数据分析

1.基础分析

三、特征处理

1.特征分类变量序列化

2.数据标准化

3.数据集切分

3.协相关

四、模型训练

1.网络定义

2.超参设置

3.模型训练

五、模型评估

1.评估

2.预测

六、注意事项

热门文章

最新文章

相关电子书