数据科学技术与应用
期末考试 答案
题目来源:中国大学MOOC-东华大学-宋晖等-数据科学技术与应用
1 ( 100分 ) 根据不同的身体指标可以预测患心脏病的风险等级(Risk)。heart-disease.xlsx记录了测试者的年龄(Age)、性别(Sex)、胸痛类型(Cp)、血压(Trestbps)、胆固醇(Chol)等13种身体指标(具体说明见“数据集说明”文件),以及患心脏病的风险等级。风险等级分为五种:无风险(no)、低风险(low)、中风险(medium)、高风险(high)、极高风险(very high)。
请根据数据集(heart-disease.xlsx)文件格式,正确获取数据样本进行预处理,统计分析,建立分类模型;尝试多种算法,比较分类的性能。
具体要求如下:
1)从文件中读出所需的数据,根据分析需求将所需的数据保存到DataFrame中。
2)数据清洗。判断数据集中是否有缺失数据,并采取以下方式处理:
若‘Thal’有缺失则使用同列前一行数据填充;
若‘Ca’有缺失则使用同列中出现最多的数据填充;
若‘Age’有缺失则删掉该行数据。
3)统计各类‘Risk’的数量,并列出每类‘Risk’的名字。
4)使用散