数据科学技术与应用【中国大学MOOC】：期末考试_答案

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)使用散点图矩阵分析‘Risk’类型与‘Age’、‘Trestbps’特征间的相关性，并计算他们之间的相关系数。
5)数据预处理，将数据中非数值型的数据转换为数值类型。
6)选择合适的数据列