超级会员免费看
本文通过集成学习算法xgboost预测心脏病，分析了Kaggle上的心脏疾病数据集，探讨了特征如年龄、心率、胆固醇等与病症的关系，并进行了特征编码和模型调优，最终模型达到90%的加权平均准确率，AUC为0.97。
一、问题背景
利用集成学习xgboost实现心脏病预测。
二、数据集分析
- 数据集地址：https://www.kaggle.com/ronitf/heart-disease-uci
- 数据集中一共有303个样本，共有14个特征，特征描述如下：
| 属性 | 含义 |
|---|---|
| age | 年龄 |
| sex | 性别 1=male,0=female |
| cp | 胸痛类型(4种) 值1:典型心绞痛，值2:非典型心绞痛，值3:非心绞痛，值4:无症状 |
| trestbps | 静息血压 |
| chol | 血清胆固醇 |
| fbs | 空腹血糖 >120mg/dl ,1=true; 0=false |
| restecg | 静息心电图(值0,1,2) |
| thalach | 达到的最大心率 |
| exang | 运动诱发的心绞痛(1=yes;0=no) |
| oldpeak | 相对于休息的运动引起的ST值(ST值与心电图上的位置有关) |
| slope | 运动高峰ST段的坡度 Value 1: upsloping向上倾斜, Value 2: flat持平, Value 3: downslop |
订阅专栏 解锁全文
461
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
