【实战 01】心脏病二分类数据集

目录

1. 获取数据集

2. 数据集介绍

3. 数据预处理

4. 构建随机森林分类模型

5. 预测测试集数据

6. 构建混淆矩阵

7. 计算查全率、召回率、调和平均值

8. ROC曲线、AUC曲线

---

 （注：每一章节可以为一个py文件，4、5、6、7写在同一个文件中，最好用jupyter notebook）

1. 获取数据集

下面两种方式：UCI、Kaggle

UCI Machine Learning Repository: Heart Disease Data Sethttps://archive.ics.uci.edu/ml/datasets/heart+disease

 Heart Disease Dataset | KagglePublic Health Datasethttps://www.kaggle.com/datasets/johnsmith88/heart-disease-dataset

 

得到的csv文件为：

2. 数据集介绍

数据集有1025行，14列。每行表示一个病人。13列表示特征，1列表示标签(是否患心脏病)

| age      | 年龄                                                         |
| sex      | 性别，1表示男，0表示女                                       |
| cp       | 心绞痛病史，1:典型心绞痛，2:非典型心绞痛，3:无心绞痛，4:无症状 |
| trestbps | 静息血压，入院时测量得到，单位为毫米汞柱(mm Hg)              |
| chol     | 胆固醇含量，单位:mgldl                                       |
| fbs      | 空腹时是否血糖高，如果空腹血糖大于120 mg/dl，值为1，否则值为0 |
| restecg  | 静息时的心电图特征。0:正常。1:  ST-T波有异常。2:根据Estes准则，有潜在的左 |
| thalach  | 最大心率                                                     |
| exang    | 运动是否会导致心绞痛,1表示会，0表示不会                      |
| oldpeak  | 运动相比于静息状态，心电图中的ST-T波是否会被压平。1表示会，0表示不会 |
| slope    | 心电图中ST波峰值的坡度（1:上升，2:平坦，3:下降)              |
| ca       | 心脏周边大血管的个数(0-3)