【机器学习案例四】基于心电图的心脏病诊断（分类）

最新推荐文章于 2025-01-11 12:25:02 发布

superjfhc

最新推荐文章于 2025-01-11 12:25:02 发布

阅读量1w

点赞数 15

分类专栏：机器学习文章标签： python 机器学习

本文链接：https://blog.csdn.net/weixin_41779359/article/details/90451094

版权

基于心电图的心脏病诊断

案例背景

数据集 mitbih_train 中给出了心电图数据，其中每一行表示采集到一个人的心电图片段，并且将其转化为 187 个属性特征（记为 x1，x2,…x187），每一行最后一列给出了分类标签（记为 y），其中 0 表示健康病人，1~4 分别对应着存在四种类型心脏异常的病人。请根据要求建立分类模型，并将建立的模型在数据集 mitbih_test 中进行测试。

数据预处理

导入库

import numpy as np
import pandas as pd
import os
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import GridSearchCV

读取数据

train=pd.read_csv('mitbih_train.csv',header=None)
test=pd.read_csv('mitbih_test.csv',header=None)
cols=['x' + str(i+1) for i in range(187)]
cols.append('y')
train.columns=cols
test.columns=cols

处理训练集和测试集

train_x=train.drop('y',axis=1)
test_x=test.drop('y',axis=1)
train_y=train['y']
test_y=test['y']

决策树

要求

请建立决策树模型并进行调优，分别评价模型在训练集和测试集的预测效果；利用产生的决策树确定属性重要性。

模型参数

DecisionTreeClassifier().get_params()

{‘class_weight’: None,
‘criterion’: ‘gini’,
‘max_depth’: None,
‘max_features’: None,
‘max_leaf_nodes’: None,
‘min_impurity_decrease’: 0.0,
‘min_impurity_split’: None,
‘min_samples_leaf’: 1,
‘min_samples_split’: 2,
‘min_weight_fraction_leaf’: 0.0,
‘presort’: False,
‘random_state’: None,
‘splitter’: ‘best’}