python 机器学习 sklearn——手把手教你预测心脏病

简介: python 机器学习 sklearn——手把手教你预测心脏病

流程

1.数据导入,清洗拆分

2.通过sklearn得到数据模型

3.开始预测(这里我们将用回归和决策树来进行预测)

前期准备

数据

心脏病数据下载

导包

```
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier

这里我们主要是sklearn的包,以及numpy,方便对于数据进行操作

数据操作

准备 样本数据 结果数据

最后一列是我们的结果,我们需要把我们的结果和各项身体数据进行分离

#删除最后一列  样本数据
features=heart_df.drop(columns=["target"])
#保存标签 结果数据
target=heart_df["target"]

切分训练集

我们的训练集合的比列以3:1最为合适,即学习数据75%,预测数据25%,在sklearn里面也会有专门的函数来采集样本

#切分训练集
X_train,X_test,Y_train,Y_test=train_test_split(features,target,test_size=0.25)

训练数据

逻辑回归

def test_logistic(*data):
    X_train, X_test, Y_train, Y_test=data
    clf=LogisticRegression()#逻辑回归
    clf.fit(X_test,Y_test)#梯度下降,递归
    print("学习模型预测成绩:{:.4f}".format(clf.score(X_train,Y_train)))
    print("实际模型预测成绩:{:.4f}".format(clf.score(X_test, Y_test)))

决策树

def test_decision_tree(*data):
    X_train, X_test, Y_train, Y_test = data
    clf=DecisionTreeClassifier(max_depth=3,criterion="entropy")
    clf.fit(X_train,Y_train)
    print("学习模型决策树预测成绩:{:.4f}".format(clf.score(X_train, Y_train)))
    print("实际模型决策树预测成绩:{:.4f}".format(clf.score(X_test, Y_test)))
    # decision_tree_pre=clf.predict(X_test)
    # print("decision_tree:",decision_tree_pre)
    # print("true lbel:",Y_test)
    return clf

结果

这样我们的预测就完成了,我们一起来看看结果吧

决策树的结果可以输出喔

总结

经过这一顿操作下来,我们一起再好好的总结一下,起始就是将我们的数据的取值情况和它的特征先分开,然后我们利用train_test_split去获得取值,然后直接使用clf函数来进行学习,再去对我们的结果获取成绩

相关文章
|
1天前
|
机器学习/深度学习 数据采集 算法
【机器学习】Scikit-Learn:Python机器学习的瑞士军刀
【机器学习】Scikit-Learn:Python机器学习的瑞士军刀
15 3
|
1天前
|
机器学习/深度学习 机器人 Python
实践指南,终于有大佬把Python和机器学习讲明白了!
机器学习正在迅速成为数据驱动型世界的一个必备模块。许多不同的领域,如机器人、医学、零售和出版等,都需要依赖这门技术。 机器学习是近年来渐趋热门的一个领域,同时 Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。今天给小伙伴们分享的这份手册结合了机器学习和 Python 语言两个热门的领域,通过易于理解的项目详细讲述了如何构建真实的机器学习应用程序。
|
3天前
|
机器学习/深度学习 人工智能 监控
【机器学习】Python与深度学习的完美结合——深度学习在医学影像诊断中的惊人表现
【机器学习】Python与深度学习的完美结合——深度学习在医学影像诊断中的惊人表现
16 3
|
5天前
|
机器学习/深度学习 人工智能 TensorFlow
机器学习项目实战:使用Python实现图像识别
在AI时代,Python借助TensorFlow和Keras实现图像识别,尤其在监控、驾驶、医疗等领域有广泛应用。本文通过构建CNN模型识别MNIST手写数字,展示图像识别流程:安装库→加载预处理数据→构建模型→训练→评估。简单项目为深度学习入门提供基础,为进一步探索复杂场景打下基础。
24 5
|
7天前
|
机器学习/深度学习 算法 Python
介绍文本分类的基本概念、常用方法以及如何在Python中使用机器学习库进行文本分类
【6月更文挑战第13天】文本分类是机器学习在数字化时代的关键应用,涉及文本预处理、特征提取和模型训练等步骤。常见方法包括基于规则、关键词和机器学习,其中机器学习(如朴素贝叶斯、SVM、深度学习)是主流。在Python中,可使用scikit-learn进行文本分类,例如通过TF-IDF和朴素贝叶斯对新闻数据集进行处理和预测。随着技术发展,未来将深入探索深度学习和多模态数据在文本分类中的应用。
25 2
|
机器学习/深度学习 Python
Python之sklearn2pmml:sklearn2pmml库函数的简介、安装、使用方法之详细攻略daiding
Python之sklearn2pmml:sklearn2pmml库函数的简介、安装、使用方法之详细攻略daiding
Python之sklearn2pmml:sklearn2pmml库函数的简介、安装、使用方法之详细攻略daiding
|
机器学习/深度学习 Python
Python之sklearn2pmml:sklearn2pmml库函数的简介、安装、使用方法之详细攻略
Python之sklearn2pmml:sklearn2pmml库函数的简介、安装、使用方法之详细攻略
Python之sklearn2pmml:sklearn2pmml库函数的简介、安装、使用方法之详细攻略
|
2天前
|
开发者 Python
【干货】Python编程惯例
【干货】Python编程惯例
6 1
|
5天前
|
Shell Python
GitHub星标破千Star!Python游戏编程的初学者指南
Python 是一种高级程序设计语言,因其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。 目前的编程书籍大多分为两种类型。第一种,与其说是教编程的书,倒不如说是在教“游戏制作软件”,或教授使用一种呆板的语言,使得编程“简单”到不再是编程。而第二种,它们就像是教数学课一样教编程:所有的原理和概念都以小的应用程序的方式呈现给读者。
|
5天前
|
机器学习/深度学习 存储 自然语言处理
惊艳!老司机熬夜总结的Python高性能编程,高效、稳定、快速!
Python 语言是一种脚本语言,其应用领域非常广泛,包括数据分析、自然语言处理机器学习、科学计算、推荐系统构建等。 能够轻松实现和代码跑得够快之间的取舍却是一个世人皆知且令人惋惜的现象而这个问题其实是可以解决的。 有些人想要让顺序执行的过程跑得更快。有些人需要利用多核架构、集群,或者图形处理单元的优势来解决他们的问题。有些人需要可伸缩系统在保证可靠性的前提下酌情或根据资金多少处理更多或更少的工作。有些人意识到他们的编程技巧,通常是来自其他语言,可能不如别人的自然。