机器学习数据集pima-indians-diabetes.data 及R语言读入命令

这个数据集是机器学习常用练习集,包括768个observation,原链接如下

https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/

已经失效,原因是permission restriction。

从网上搜索到了数据集的内容,并将其转换为tab分隔的文本文件。

主要参考了CSDN博主 姜萌芽 的博文 

文件已上传至共享资源,链接在此 https://download.csdn.net/download/lf94lf94/11828795

各列数据说明如下:

文件默认是5积分下载, 问下各位如何设成免费下载

也可留言免费发送

或者参考博文,用VIM等自行编辑,乐趣自在其中

R语言可以用如下命令读取并命名header:

diabetes <- read.table(file=“pima-indians-diabetes.data”, sep="\t", header=FALSE) 
names(diabetes) <- c("npregant", "glucose", "BP", "triceps", 
                     "insulin", "bmi", "pedigree", "age", "class") 
diabetes$class <- factor(diabetes$class, levels=c(0,1), 
                         labels=c("normal", "diabetic")) 

 

  • 6
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
XGBoost是一种机器学习算法,用于解决分类问题和回归问题。首先,让我们来介绍下UCI中的Pima Indians Diabetes(皮马印第安人糖尿病)数据集。 该数据集是针对美国亚利桑那州皮马印第安人族群的人口调查数据。它包含了768个样本,每个样本包含了8个特征变量和一个目标变量。这些特征变量包括:怀孕次数、口服葡萄糖耐量试验中的2小时血浆葡萄糖浓度、舒张压、皮褶厚度、两小时血清胰岛素、体重指数、糖尿病家族遗传函数以及年龄。目标变量表示是否患有糖尿病,值为0代表没有糖尿病,值为1代表患有糖尿病。 接下来,我们使用XGBoost算法进行预测。首先,我们将数据集分为训练集和测试集。然后,我们将XGBoost模型应用于训练集上进行训练,并使用测试集中的数据进行预测和评估模型性能。我们可以通过计算准确率、精确率、召回率、F1得分等指标来评估模型。另外,我们还可以使用K折交叉验证来更加准确地评估模型的性能。 XGBoost算法通过集成多个决策树来提高预测性能。它使用梯度提升技术,通过逐步优化模型,每一步都根据之前步骤的预测结果来改进模型。因此,XGBoost能够自动进行特征选择,并且对异常值具有较强的鲁棒性。 在使用XGBoost进行训练时,我们可以对模型的超参数进行调整,以获得更好的性能。例如,我们可以调整决策树的最大深度、学习率、子样本比例等参数。通过对不同超参数组合的尝试,我们可以找到最佳的超参数组合,以提高模型的性能。 总之,使用XGBoost算法来解决UCI中的Pima Indians Diabetes数据集可以帮助我们预测一个人是否患有糖尿病。通过逐步优化模型,并合理选择超参数,我们可以获得较高的预测准确率,并在实际应用中对糖尿病的预测和诊断起到有益的作用。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值