953      搜狐

心髒病預測案例__案例_機器學習-阿裏雲

一、背景

心髒病是人類健康的頭號殺手。全世界1／3的人口死亡是因心髒病引起的，而我國，每年有幾十萬人死於心髒病。 所以，如果可以通過提取人體相關的體側指標，通過數據挖掘的方式來分析不同特征對於心髒病的影響，對於預測和預防心髒病將起到至關重要的作用。本文將會通過真實的數據，通過阿裏雲機器學習平台搭建心髒病預測案例。

二、數據集介紹

數據源： UCI開源數據集heart_disease針對美國某區域的心髒病檢查患者的體測數據，共303條數據。具體字段如下表：

三、數據探索流程

數據挖掘流程如下：

整體實驗流程：

1.數據預處理

數據預處理也叫作數據清洗，主要在數據進入算法流程前對數據進行去噪、填充缺失值、類型變換等操作。本次實驗的輸入數據包括14個特征和1個目標隊列。需要解決的場景是根據用戶的體檢指標預測是否會患有心髒病，每個樣本隻有患病或不患病兩種，是分類問題。因為本次分類實驗選用的是線性模型邏輯回歸，要求輸入的特征都是double型的數據。輸入數據展示：我們看到有很多數據是文字描述的，在數據預處理的過程中我們需要根據每個字段的含義將字符型轉為數值。

1）二值類的數據二值類的比較容易轉換，如sex字段有兩種表現形式female和male，我們可以將female表示成0，把male表示成1。

2）多值類的數據比如cp字段，表示胸部的疼痛感，我們可以通過疼痛的由輕到重映射成0~3的數值。

數據的預處理通過sql腳本來實現，具體請參考SQL腳本-1組件，

select age,
(case sex when 'male' then 1 else 0 end) as sex,
(case cp when 'angina' then 0  when 'notang' then 1 else 2 end) as cp,
trestbps,
chol,
(case fbs when 'true' then 1 else 0 end) as fbs,
(case restecg when 'norm' then 0  when 'abn' then 1 else 2 end) as restecg,
thalach,
(case exang when 'true' then 1 else 0 end) as exang,
oldpeak,
(case slop when 'up' then 0  when 'flat' then 1 else 2 end) as slop,
ca,
(case thal when 'norm' then 0  when 'fix' then 1 else 2 end) as thal,
(case status  when 'sick' then 1 else 0 end) as ifHealth
from  ${t1};

2.特征工程

特征工程主要是包括特征的衍生、尺度變化等。本例中有兩個組件負責特征工程的部分。