基于机器学习的心脏病预测方法（3）——数据预处理及评价指标介绍

心脏数据集下载地址如下：https://download.csdn.net/download/didi_ya/87451172。本文所用数据集与前文数据集介绍中描述数据集均不一致，但属性方法类似，故以本数据集作为举例说明。实际以你的数据集为准。

一、数据预处理

1.1 训练集和测试集的划分

从303份数据中随机抽取80%作为训练集，20%作为测试集。即242份进行训练，61份进行测试。

from sklearn.model_selection import train_test_split

predictors = data.drop("target",axis=1)
target = data["target"]

X_train,X_test,Y_train,Y_test = train_test_split(predictors,target,test_size=0.20,random_state=0)
print("Training features have {0} records and Testing features have {1} records.".\
      format(X_train.shape[0], X_test.shape[0]))

可以查看训练集和测试集的形状：

二、评价指标介绍

2.1 TP,TN,FP,FN

• True Positive(TP)：本来是正样例，分类成正样例；
• True Negative(TN)：本来是负样例，分类成负样例；
• False Positive (FP)：本来是负样例，分类成正样例；
• False Negative(FN)：本来是正样例，分类成负样例；

2.2 混淆矩阵

2.3 准确率与精准率

正确预测数与预测总数之间的比例，即所有预测正确的比例
$acc=\frac{TP+TN}{TP+TN+FP+FN}$

精准率：被预测为正样本里实际为正样本的比例
$Precision(p)=\frac{TP}{TP+FP}$

2.4 召回率

召回率：所有正样本里被预测正确的比例，公式为：
$recall=\frac{TP}{TP+FN}$

2.5 F分数

F分数被称为精确性和召回率的调和平均值，其公式为：
$F=\frac{1}{\frac{1}{2}(\frac{1}{p}+\frac{1}{r})}=\frac{2pr}{p+r}$

2.6 ROC曲线和AUC指标

---

整个项目的主要目标是以最高的准确性预测心脏病的发生。为了实现这一点，我们将测试几种分类算法。接下来将分别介绍心脏病预测的几种机器学习算法及其实现过程。