UCI——心脏病数据集分析报告

写在前面：研一的机器学习课程需要针对UCI的一个数据集进行分析。所以就有了这篇文章。也是第一次好好学习机器学习了。

[P5]

1 前期准备

本次实验基于spyder，python3.7，数据集 heart.csv

1.1 安装数据分析+可视化第三方工具包

1. 首先打开anaconda prompt，然后输入下面一行代码即可。

pip install numpy pandas matplotlib seaborn wheel pandas_profiling jupyter notebook -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 介绍一下每一个库

• Numpy：是python语言的一个扩展程序库；支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
• pandas：是python语言的一个扩展程序库；用于数据分析；可以从各种格式文献比如CSV、JSON、SQL、Microsoft Excel导入数据。
• matploylib：是python在绘图领域最常用的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
• seaborn：是基于matplotlib的图形可视化python包。它可以让用户能够做出各种有吸引力的统计图表。
• wheel：取代了之前的打包格式.egg文件。

3. 最后是清华大学的镜像网站，是为了加速下载的。https://pypi.tuna.tsinghua.edu.cn/simple

1.2 安装辅助工具包

pip install graphviz pydotplus -i https://pypi.tuna.tsighua.edu.cn/simple

将graphviz的bin目录加在环境变量PATH中。

1.3 安装机器学习第三方工具包

pip install scikit-learn -i https://pypi.tunasinghua.edu.cn/simple

1.4 安装机器学习可解释性第三方工具包

pip install pdpbox eli5 -i https://pypi.tunasinghua.edu.cn/simple

2 对于数据集进行导入、查看及简单分析

2.1 代码及注释

import pandas as pd
df = pd.read_csv("heart.csv")
print(df.head())

import pandas as pd
# 导入pandas库，用于读取数据

df = pd.read_csv("heart.csv")
# read_csv函数，可以读取csv文件，括号内的csv文件是在当前.py文件同一目录下

print(df.head())
# df.head() 输出前5行的数据
# df.tail() 输出最后5行的数据

下面是输出结果：

2.2 简单分析属性的相关系数关系

corr()方法：返回数据类型的相关系数矩阵（每两个类型之间的相关性）

# data是一个DataFrame类型的数据
data.corr() #相关系数矩阵，即给出了任意两个变量之间的相关系数
data.corr()[u’好’] #只显示“好”与其他感情色彩的相关系数
data[u’好’].corr(data[u’哭’]) #两个感情色彩的相关系数