load_diabetes导入的糖尿病数据集的使用和介绍

用户指南：糖尿病数据集

sklearn.datasets 提供的 糖尿病数据集 是一个内置的回归分析数据集，适合用于回归任务的练习或模型性能测试。以下是如何高效使用该数据集的详细指南。

---

数据集概述

• 样本数：442 位患者。
• 特征数：10 个基础生理变量（如 BMI、血压等）。
• 目标值：一年后的疾病进展量化指标。

---

如何加载数据集

1. 加载数据

from sklearn.datasets import load_diabetes

# 加载数据集
diabetes = load_diabetes()

2. 访问数据组件

• 特征数据 (diabetes.data)：默认为形状为 (442, 10) 的 NumPy 数组。
• 目标值 (diabetes.target)：形状为 (442,) 的 NumPy 数组。
• 特征名称 (diabetes.feature_names)：特征名称列表。
• 数据集描述 (diabetes.DESCR)：数据集的详细描述。

---

load_diabetes 函数的主要参数

函数签名

load_diabetes(*, return_X_y=False, as_frame=False, scaled=True)

参数	说明
return_X_y	如果设为 True，返回 (X, y) 元组，而不是字典形式的数据。
as_frame	如果设为 True，data 和 target 将以 Pandas 的 DataFrame 和 Series 形式返回。
scaled	如果设为 True，特征数据已标准化（均值为 0，方差为 1）。如果设为 False，返回未标准化的原始数据。

---

数据集探索

示例 1：查看数据结构

print("特征数据形状:", diabetes.data.shape)
print("目标值形状:", diabetes.target.shape)
print("特征名称:", diabetes.feature_names)

示例 2：以 Pandas DataFrame 形式加载

diabetes_df = load_diabetes(as_frame=True)
print(diabetes_df.frame.head())  # 查看前几行数据

---

数据可视化

1. 绘制特征与目标值的关系图

import matplotlib.pyplot as plt
import pandas as pd

# 加载为 DataFrame 格式
diabetes_df = load_diabetes(as_frame=True)
data = diabetes_df.data
target = diabetes_df.target

# 示例：绘制 BMI 与目标值的散点图
plt.scatter(data['bmi'], target, alpha=0.5)
plt.xlabel('BMI')
plt.ylabel('疾病进展量化指标')
plt.title('BMI 与疾病进展的关系')
plt.show()

2. 绘制特征相关性热力图

import seaborn as sns

# 合并特征数据和目标值
df = diabetes_df.frame
correlation = df.corr()

# 绘制热力图
sns.heatmap(correlation, annot=True, cmap="coolwarm")
plt.title("特征相关性热力图")
plt.show()

---

训练集与测试集划分

在应用机器学习模型之前，建议划分数据集：

from sklearn.model_selection import train_test_split

X, y = load_diabetes(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

---

模型训练示例

使用线性回归

from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测并评估
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)

print("均方误差（MSE）:", mse)

---

特征重要性分析

使用模型的特征系数

import numpy as np

# 输出特征的重要性
coef = model.coef_
feature_names = load_diabetes().feature_names
for name, importance in zip(feature_names, coef):
    print(f"{name}: {importance:.4f}")

---

高级用法

手动标准化数据

如果设置 scaled=False，可以手动对数据进行标准化：

from sklearn.preprocessing import StandardScaler

diabetes_unscaled = load_diabetes(scaled=False)
scaler = StandardScaler()
X_scaled = scaler.fit_transform(diabetes_unscaled.data)

---

实用建议

1. 使用 as_frame=True，方便利用 Pandas 进行数据探索。
2. 如果未标准化数据（scaled=False），请对数据进行预处理（如归一化或标准化）。
3. 探索特征之间的相互作用，以提升模型性能。
4. 使用交叉验证（sklearn.model_selection.cross_val_score）进行更稳健的模型评估。