皮马印第安人糖尿病预测
pima_diabetes_analysis_and_prediction
文件夹:
data --> 存储原始样本 和 数据清洗后的样本
data_analysis_after_clean --> 存储糖尿病,BMI,年龄,糖尿病等特征的关系的分析
machineLearning --> 使用各种机器学习的算法进行训练预测(如:决策树,SVM,逻辑回归分类,k邻近算法等)
model_save --> 训练好的模型保存的地方, 和预测结果的分析
preprocess --> 数据预处理: 质量分析(异常值,缺失值),数据特征分析(分布分析,相关性分析),
离群点分析,数据清洗,数据清洗后的数据可视化展示
一.development
Python 3.6.8
numpy (1.17.2)
pandas (0.25.1)
scikit-learn (0.21.3)
matplotlib (3.1.1)
seaborn (0.9.0)
pickleshare (0.7.5)
二.数据来源
该数据集源至美国国家糖尿病、消化及肾脏疾病研究所。 数据集的目的是根据已有诊断信息来预测患者是否患有糖尿病。 但该数据库存在一定局限性,特别是数据集中的患者都是年龄大于等于21岁的皮马印第安女性。
糖尿病人士分布
非糖尿病人: 500人
糖尿病人: 268人
属性
pima印度糖尿病数据集共有9个属性。记录中的所有人都是女性,她们的怀孕次数已被记录为数据集的第一个属性。 第二个是口服葡萄糖耐量试验中2小时的血糖浓度值,然后是舒张压(mm hg),第四个是三头肌皮褶厚度(mm), 然后是2小