Dataset之diabetes：diabetes数据集的简介、下载、使用方法(比较八种机器学习算法实现二分类预测)之详细攻略

Dataset之diabetes：diabetes数据集的简介、下载、使用方法(比较八种机器学习算法实现二分类预测)之详细攻略

目录

diabetes数据集的简介

1、数据集描述

diabetes数据集的下载

diabetes数据集的使用方法

1、基础案例

Keras之DNN：利用DNN算法【Input(8)→12+8(relu)→O(sigmoid)】利用糖尿病数据集训练、评估模型(利用糖尿病数据集中的八个参数特征预测一个0或1结果)

Keras之DNN：利用DNN【Input(8)→(12+8)(relu)→O(sigmoid)】模型实现预测新数据(利用糖尿病数据集的八个特征进行二分类预测

Keras之MLP：利用MLP【Input(8)→(12)(relu)→O(sigmoid+二元交叉)】模型实现预测新数据(利用糖尿病数据集的八个特征实现二分类预测

ML之Xgboost：利用Xgboost模型对数据集(比马印第安人糖尿病)进行二分类预测(5年内是否患糖尿病)

ML之Xgboost：利用Xgboost模型(7f-CrVa+网格搜索调参)对数据集(比马印第安人糖尿病)进行二分类预测

ML之分类预测：以六类机器学习算法(kNN、逻辑回归、SVM、决策树、随机森林、提升树、神经网络)对糖尿病数据集(8→1)实现二分类模型评估案例来理解和认知机器学习分类预测的模板流程

ML之LiR&Lasso：基于datasets糖尿病数据集利用LiR和Lasso算法进行(9→1)回归预测(三维图散点图可视化)

ML之LassoR&RidgeR：基于datasets糖尿病数据集利用LassoR和RidgeR算法(alpha调参)进行(9→1)回归预测

2、进阶案例：采用七种机器学习模型来进行分类预测

输出结果

1、k-NN

2、LoR

4、DT

5、RF

6、GB

7、SVM

8、NN

设计思路

---

diabetes数据集的简介

        糖尿病数据集由768个数据点组成，各有9个特征。输出表格的列表字段；9个特征（怀孕次数，血糖，血压，皮脂厚度，胰岛素，BMI身体质量指数，糖尿病遗传函数，年龄，结果）。在768个数据点中，500个被标记为0，268个标记为1。将要预测的特征，0意味着未患糖尿病，1意味着患有糖尿病。

1、数据集描述

data.shape:  (768, 9)
data.columns： 
 Index(['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin',
       'BMI', 'DiabetesPedigreeFunction', 'Age', 'Outcome'],
      dtype='object')
data.head： 
    Pregnancies  Glucose  BloodPressure  ...  DiabetesPedigreeFunction  Age  Outcome
0            6      148             72  ...                     0.627   50        1
1            1       85             66  ...                     0.351   31        0
2            8      183             64  ...                     0.672   32        1
3            1       89             66  ...                     0.167   21        0
4            0      137             40  ...                     2.288   33        1
 
[5 rows x 9 columns]
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 768 entries, 0 to 767
Data columns (total 9 columns):
 #   Column                    Non-Null Count  Dtype  
---  ------                    --------------  -----  
 0   Pregnancies               768 non-null    int64  
 1   Glucose                   768 non-null    int64  
 2   BloodPressure             768 non-null    int64  
 3   SkinThickness             768 non-null    int64  
 4   Insulin                   768 non-null    int64  
 5   BMI                       768 non-null    float64
 6   DiabetesPedigreeFunction  768 non-null    float64
 7   Age                       768 non-null    int64  
 8   Outcome                   768 non-null    int64  
dtypes: float64(2), int64(7)
memory usage: 54.1 KB
data.info： 
 None
8
data_column_X:  ['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin', 'BMI', 'DiabetesPedigreeFunction', 'Age'] 
 ['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin', 'BMI', 'DiabetesPedigreeFunction', 'Age']

diabetes数据集的下载

地址：Resources/data_csv_xls/diabetes.csv

diabetes数据集的使用方法

1、基础案例

Keras之DNN：利用DNN算法【Input(8)→12+8(relu)→O(sigmoid)】利用糖尿病数据集训练、评估模型(利用糖尿病数据集中的八个参数特征预测一个0或1结果)

https://yunyaniu.blog.csdn.net/article/details/84252981

Keras之DNN：利用DNN【Input(8)→(12+8)(relu)→O(sigmoid)】模型实现预测新数据(利用糖尿病数据集的八个特征进行二分类预测

https://yunyaniu.blog.csdn.net/article/details/84282510

Keras之MLP：利用MLP【Input(8)→(12)(relu)→O(sigmoid+二元交叉)】模型实现预测新数据(利用糖尿病数据集的八个特征实现二分类预测

https://yunyaniu.blog.csdn.net/article/details/84314548

ML之Xgboost：利用Xgboost模型对数据集(比马印第安人糖尿病)进行二分类预测(5年内是否患糖尿病)

https://yunyaniu.blog.csdn.net/article/details/88360520

ML之Xgboost：利用Xgboost模型(7f-CrVa+网格搜索调参)对数据集(比马印第安人糖尿病)进行二分类预测

https://yunyaniu.blog.csdn.net/article/details/88367398

ML之分类预测：以六类机器学习算法(kNN、逻辑回归、SVM、决策树、随机森林、提升树、神经网络)对糖尿病数据集(8→1)实现二分类模型评估案例来理解和认知机器学习分类预测的模板流程

https://yunyaniu.blog.csdn.net/article/details/108342397

ML之LiR&Lasso：基于datasets糖尿病数据集利用LiR和Lasso算法进行(9→1)回归预测(三维图散点图可视化)

https://yunyaniu.blog.csdn.net/article/details/110100977

ML之LassoR&RidgeR：基于datasets糖尿病数据集利用LassoR和RidgeR算法(alpha调参)进行(9→1)回归预测

https://yunyaniu.blog.csdn.net/article/details/110209313

2、进阶案例：采用七种机器学习模型来进行分类预测

了解了它们的优缺点是什么，以及如何控制其模型复杂度。结果可知，对于许多算法来说，设置正确的参数对于性能良好是非常重要的。

输出结果

1、k-NN

k-NN：Accuracy of K-NN classifier on training set: 0.79
k-NN：Accuracy of K-NN classifier on test set: 0.78

2、LoR

# 



LoR：C1 Training set accuracy: 0.781
LoR：C1 Test set accuracy: 0.771
LoR：C100 Training set accuracy: 0.785
LoR：C100 Test set accuracy: 0.766
LoR：C001 Training set accuracy: 0.700
LoR：C001 Test set accuracy: 0.703

4、DT

DT：Accuracy on training set: 1.000
DT：Accuracy on test set: 0.714
DT：Accuracy on training set: 0.773

DT：Accuracy on test set: 0.740

5、RF

RF：Accuracy on training set: 1.000
RF：Accuracy on test set: 0.786
RF：max_depth=3 Accuracy on training set: 0.800
RF：max_depth=3 Accuracy on test set: 0.755

6、GB

GB：Accuracy on training set: 0.917
GB：Accuracy on test set: 0.792
GB：Accuracy on training set: 0.804
GB：Accuracy on test set: 0.781
GB：Accuracy on training set: 0.802
GB：Accuracy on test set: 0.776

7、SVM

SVM：Accuracy on training set: 1.00
SVM：Accuracy on test set: 0.65
SVM：MinMaxScaler Accuracy on training set: 0.77
SVM：MinMaxScaler Accuracy on test set: 0.77
SVM：C=500 Accuracy on training set: 0.790
SVM：C=500 Accuracy on test set: 0.792
SVM：C=1000 Accuracy on training set: 0.790
SVM：C=1000 Accuracy on test set: 0.797
SVM：C=2000 Accuracy on training set: 0.800
SVM：C=2000 Accuracy on test set: 0.797

8、NN

利用多层神经网络

NN：Data standardization—Accuracy on training set: 0.823
NN：Data standardization—Accuracy on test set: 0.802
NN：Data standardization(max_iter=1000)—Accuracy on training set: 0.877
NN：Data standardization(max_iter=1000)—Accuracy on test set: 0.755
NN：Data standardization(max_iter=1000,alpha=1)—Accuracy on training set: 0.795
NN：Data standardization(max_iter=1000,alpha=1)—Accuracy on test set: 0.792

设计思路

相关文章
ML之Classification：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测