机器学习入门（一）——数据理解

此处以Pima印第安人数据集为例，根据诊断措施预测糖尿病的发病。

一、数据集简介

1、该数据集最初来自国家糖尿病/消化/肾脏疾病研究所。数据集的目标是基于数据集中包含的某些诊断测量来诊断性的预测 患者是否患有糖尿病。
2、从较大的数据库中选择这些实例有几个约束条件。尤其是，这里的所有患者都是Pima印第安至少21岁的女性。
3、数据集由多个医学预测变量和一个目标变量组成Outcome。预测变量包括患者的怀孕次数、BMI、胰岛素水平、年龄等。

二、导入数据集

#导入库
import pandas as pd

#导入CSV文件
filename = "pima_data.csv"
name = ['preg','plas','pres','skin','test','mass','pedi','age','class']
data = pd.read_csv(filename,names=name)

数据属性：

【1】Preg：怀孕次数
【2】Plas：葡萄糖
【3】Pres：血压 (mm Hg)
【4】Skin：皮层厚度 (mm)
【5】Test：胰岛素 2小时血清胰岛素（mu U / ml
【6】Mass：体重指数 （体重/身高）^2
【7】Pedi：糖尿病谱系功能
【8】Age：年龄 （岁）
【9】Class：类标变量 （0或1）