搜集临床日常数据利用python进行心脏病的预测(全代码)

各位朋友大家好，数据科学对于临床医生来讲是仅次于手术刀，听诊器的工作利器，希望大家都能掌握一些基本的数据科学知识，利用临床上随处可见的数据就能做一个很好的机器学习的项目。我们这次利用KNN, logistic回归，SVM，决策树，随机森林，xgboost和神经网络，给大家做临床数据机器学习的项目。

这些患者的性别，年龄，舒张压，收缩压等等在临床上随处可见，非常适合做数据科学研究。

import pandas as pd
import numpy as np 
import seaborn as sns 
import matplotlib.pyplot as plt 
from sklearn.neighbors import KNeighborsClassifier  
from sklearn.metrics import accuracy_score
import os
os.chdir(r"E:\pythoncode2021\heart")
df = pd.read_csv('heart.csv')
#跑一个可视化
sns.countplot(df['target'])
#确定自变量和因变量，注意做模型一般场景都是用整理好的数据的array格式做
x= df.iloc[:,0:13].values 
y= df['target'].values  
#划分数据集
from sklearn.model_selection import train_test_split  
x_train, x_test, y_train, y_test= train_test_split(x, y, test_size= 0.25, random_state=0)  
#进行数据的标准化
from sklearn.preproc