【kaggle】Stroke Prediction数据集

文章目录

  • 一、导包
  • 二、数据探索
  • 三、数据可视化
  • 四、其他属性与中分关系可视化
  • 五、数据预处理
  • 六、缺失值处理
  • 七、模型预测

一、导包

# -*- coding: utf-8 -*

import numpy as np
import pandas as pd
import sklearn as sk
import matplotlib.pyplot as plt
import matplotlib
%matplotlib inline 
# 设置中文字体
myfont = matplotlib.font_manager.FontProperties(fname="./DroidSansFallback.ttf")
plt.rcParams['axes.unicode_minus'] = False


from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.linear_model import LogisticRegression # 逻辑回归
from sklearn.neighbors import KNeighborsClassifier # k近邻
from sklearn.svm import SVC # SVM
from sklearn.neural_network import MLPClassifier # 前馈神经网络
from sklearn.tree import DecisionTreeClassifier # 决策树
from sklearn.ensemble import RandomForestClassifier #随机森林 
from sklearn.naive_bayes import GaussianNB # 
from sklearn.ensemble import AdaBoostClassifier
from sklearn.ensemble import BaggingClassifier

import warnings
warnings.filterwarnings('ignore')

二、数据探索

data = pd.read_csv("data/healthcare-dataset-stroke-data.csv",encoding='UTF-8')
df=data.copy()
df.head()

del df['id'] # id属性肯定没用
df.info() # 发现bmi属性有部分缺失

df.describe()
# 中分率貌似不高啊 才0.048

三、数据可视化

fig = plt.figure()
fig.set(alpha=0.2)  # 设定图表颜色alpha参数
# 中分情况
plt.subplot2grid((2,9),(0,0),colspan=2)             
df.stroke.value_counts().plot(kind='bar')
plt.title('中分情况(1为中分)',fontproperties=myfont)
plt.ylabel('人数',fontproperties=myfont)


# 性别情况
plt.subplot2grid((2,9),(0,3),colspan=2)             
df.gender.value_counts().plot(kind='bar')
plt.title('性别情况',fontproperties=myfont)
plt.ylabel('人数',fontproperties=myfont)

# 年龄情况
plt.subplot2grid((2,9),(0,6),colspan=2)             
df.age.plot(kind='kde') # 密度图
plt.title('年龄情况',fontproperties=myfont)
plt.ylabel('年龄',fontproperties=myfont)

fig = plt.figure()
fig.set(alpha=0.2)  # 设定图表颜色alpha参数
# 高血压情况情况
plt.subplot2grid((2,9),(0,0),colspan=2)             
df.hypertension.value_counts().plot(kind='bar')
plt.title('高血压情况(1为高血压)',fontproperties=myfont)
plt.ylabel('人数',fontproperties=myfont)

# 心脏病情况
plt.subplot2grid((2,9),(0,3),colspan=2)             
df.hypertension.value_counts().plot(kind='bar')
plt.title('心脏病情况',fontproperties=myfont)
plt.ylabel('人数密度',fontproperties=myfont)

# 结婚情况
plt.subplot2grid((2,9),(0,6),colspan=2)             
df.ever_married.value_counts().plot(kind='bar')
plt.title('结婚情况',fontproperties=myfont)
plt.ylabel('人数',fontproperties=myfont)

fig = plt.figure()
fig.set(alpha=0.2)  # 设定图表颜色alpha参数
# 工作类型情况
plt.subplot2grid((2,12),(0,0),colspan=2)             
df.work_type.value_counts().plot(kind='bar')
plt.title('工作类型情况',fontproperties=myfont)
plt.ylabel('人数',fontproperties=myfont)

# 住宅类型情况
plt.subplot2grid((2,12),(0,3),colspan=2)             
df.Residence_type.value_counts().plot(kind='bar')
plt.title('住宅类型情况',fontproperties=myfont)
plt.ylabel('人数',fontproperties=myfont)

# 平均血糖
plt.subplot2grid((2,12),(0,6),colspan=2)             
df.avg_glucose_level.plot(kind='kde')
plt.title('平均血糖',fontproperties=myfont)
plt.ylabel('血糖浓度',fontproperties=myfont)
# 抽烟情况
plt.subplot2grid((2,12),(0,9),colspan=2)             
df.smoking_status.value_counts().plot(kind='bar')
plt.title('抽烟情况',fontproperties=myfont)
plt.ylabel('人数',fontproperties=myfont)

四、其他属性与中分关系可视化

tmp = df.drop(['avg_glucose_level','age','bmi','stroke'],axis=1)
for column in tmp.columns:
    tmp[column][df.stroke==1].value_counts().plot(kind='bar')
    plt.title(column+'=》中分',fontproperties=myfont)
    plt.ylabel('人数',fontproperties=myfont)
    plt.xlabel(column+'情况',fontproperties=myfont)
    plt.show()

五、数据预处理

# 数据预处理
# 找到多值属性
for column in df.select_dtypes(include=['object']): # 处理所有字符串 select_dtypes函数按照指定类型返回列名
    if len(np.unique(df[column]))>2:  # 对每一列进行去重计数 找到所有多值属性
        print(f"==== [COLUMNS: {column}] ====")
        print(df[column].value_counts()) # 查看多值组成

# 发现gender属性的Other 只有一个 就删除他 那他就变成二值属性了

# df['gender']=='Other' 获得gender属性是Other 的一个bool series 然后套一层df得到所有的gender是Other的行 然后获取第0个行索引 删掉他
df.drop(df[df['gender']=='Other'].index[0],axis=0,inplace=True) 

# 对其他多值属性进行one hot 编码 将离散的属性进行拓展
df=pd.get_dummies(df,columns=['work_type'])
df=pd.get_dummies(df,columns=['smoking_status'])

# 找到二值属性
for column in df.select_dtypes(include=['object']):
    if len(np.unique(df[column]))<=2: 
        print(f"==== [COLUMNS: {column}] ====")
        print(df[column].value_counts()) 

# 使用sklearn.preprocessing.LabelEncoder 编码二项式值 
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df.gender = le.fit_transform(df.gender)
df.ever_married = le.fit_transform(df.ever_married)
df.Residence_type=le.fit_transform(df.Residence_type)

六、缺失值处理

# 查看缺失值
df.isna().sum()

var_names = list(df)
# 使用knn处理缺失值
from sklearn.impute import KNNImputer
imputer = KNNImputer(n_neighbors=3)
dff = imputer.fit_transform(df) # 返回numpy的矩阵
dff = pd.DataFrame(dff,columns=var_names) 
df.bmi=dff.bmi


# 仍然还有一个缺失值 直接删除
df.dropna(axis=0,how='any',inplace=True)
df.isna().sum()

七、模型预测

y = df['stroke']
x = df.drop(['stroke'],axis=1)
x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.2, random_state=11,shuffle=True)

sc = StandardScaler()
x_train = sc.fit_transform(x_train)
x_test = sc.transform(x_test)



algorithms=[
    LogisticRegression,
    KNeighborsClassifier,
    MLPClassifier,
    DecisionTreeClassifier,
    RandomForestClassifier,
    GaussianNB,
    AdaBoostClassifier,
    BaggingClassifier
]


score_df = pd.DataFrame()
for algorithm in algorithms:
    score = {"算法":algorithm.__name__}
    model=algorithm().fit(x_train,y_train)
    y_pred=model.predict(x_test)
    score["accuracy_score"] = accuracy_score(y_test,y_pred)*100
    score_df = score_df.append(score, ignore_index=True)


score_df.sort_values(by="accuracy_score",ascending = False,inplace=True)
score_df

score_df.plot(x='算法',y='accuracy_score',kind='bar')
plt.title('算法排名',fontproperties=myfont)
plt.ylabel('准确率',fontproperties=myfont)
plt.xlabel('算法',fontproperties=myfont)
plt.show()

热门文章

暂无图片
编程学习 ·

exe4j详细使用教程(附下载安装链接)

一、exe4j介绍 ​ exe4j是一个帮助你集成Java应用程序到Windows操作环境的java可执行文件生成工具&#xff0c;无论这些应用是用于服务器&#xff0c;还是图形用户界面&#xff08;GUI&#xff09;或命令行的应用程序。如果你想在任务管理器中及Windows XP分组的用户友好任务栏…
暂无图片
编程学习 ·

AUTOSAR从入门到精通100讲(126)-浅谈车载充电系统通信方案

01 引言 本文深入研究车载充电系统策略,设计出一套基于电动汽车电池管理系统与车载充电机的CAN通信协议,可供电动汽车设计人员参考借鉴。 02 电动汽车充电系统通讯网络 电动汽车整车控制系统中采用的是CAN总线通信方式,由一个整车内部高速CAN网络、内部低速CAN网络和一个充电…
暂无图片
编程学习 ·

CMake(九):生成器表达式

当运行CMake时&#xff0c;开发人员倾向于认为它是一个简单的步骤&#xff0c;需要读取项目的CMakeLists.txt文件&#xff0c;并生成相关的特定于生成器的项目文件集(例如Visual Studio解决方案和项目文件&#xff0c;Xcode项目&#xff0c;Unix Makefiles或Ninja输入文件)。然…
暂无图片
编程学习 ·

47.第十章 网络协议和管理配置 -- 网络配置(八)

4.3.3 route 命令 路由表管理命令 路由表主要构成: Destination: 目标网络ID,表示可以到达的目标网络ID,0.0.0.0/0 表示所有未知网络,又称为默认路由,优先级最低Genmask:目标网络对应的netmaskIface: 到达对应网络,应该从当前主机哪个网卡发送出来Gateway: 到达非直连的网络,…
暂无图片
编程学习 ·

元宇宙技术基础

请看图&#xff1a; 1、通过AR、VR等交互技术提升游戏的沉浸感 回顾游戏的发展历程&#xff0c;沉浸感的提升一直是技术突破的主要方向。从《愤怒的小鸟》到CSGO,游戏建模方式从2D到3D的提升使游戏中的物体呈现立体感。玩家在游戏中可以只有切换视角&#xff0c;进而提升沉浸…
暂无图片
编程学习 ·

flink的伪分布式搭建

一 flink的伪分布式搭建 1.1 执行架构图 1.Flink程序需要提交给 Job Client2.Job Client将作业提交给 Job Manager3.Job Manager负责协调资源分配和作业执行。 资源分配完成后&#xff0c;任务将提交给相应的 Task Manage。4.Task Manager启动一个线程以开始执行。Task Manage…
暂无图片
编程学习 ·

十进制正整数与二进制字符串的转换(C++)

Function one&#xff1a; //十进制数字转成二进制字符串 string Binary(int x) {string s "";while(x){if(x % 2 0) s 0 s;else s 1 s;x / 2;}return s; } Function two&#xff1a; //二进制字符串变为十进制数字 int Decimal(string s) {int num 0, …
暂无图片
编程学习 ·

[含lw+源码等]微信小程序校园辩论管理平台+后台管理系统[包运行成功]Java毕业设计计算机毕设

项目功能简介: 《微信小程序校园辩论管理平台后台管理系统》该项目含有源码、论文等资料、配套开发软件、软件安装教程、项目发布教程等 本系统包含微信小程序做的辩论管理前台和Java做的后台管理系统&#xff1a; 微信小程序——辩论管理前台涉及技术&#xff1a;WXML 和 WXS…
暂无图片
编程学习 ·

树莓派驱动DHT11温湿度传感器

1&#xff0c;直接使用python库 代码如下 import RPi.GPIO as GPIO import dht11 import time import datetimeGPIO.setwarnings(True) GPIO.setmode(GPIO.BCM)instance dht11.DHT11(pin14)try:while True:result instance.read()if result.is_valid():print(ok)print(&quo…
暂无图片
编程学习 ·

ELK简介

ELK简介 ELK是三个开源软件的缩写&#xff0c;Elasticsearch、Logstash、Kibana。它们都是开源软件。不过现在还新增了一个 Beats&#xff0c;它是一个轻量级的日志收集处理工具(Agent)&#xff0c;Beats 占用资源少&#xff0c;适合于在各个服务器上搜集日志后传输给 Logstas…
暂无图片
编程学习 ·

Linux 基础

通常大数据框架都部署在 Linux 服务器上&#xff0c;所以需要具备一定的 Linux 知识。Linux 书籍当中比较著名的是 《鸟哥私房菜》系列&#xff0c;这个系列很全面也很经典。但如果你希望能够快速地入门&#xff0c;这里推荐《Linux 就该这么学》&#xff0c;其网站上有免费的电…
暂无图片
编程学习 ·

Windows2022 无线网卡装不上驱动

想来 Windows2022 和 windows10/11 的驱动应该差不多通用的&#xff0c;但是死活装不上呢&#xff1f; 搜一下&#xff0c;有人提到 “默认安装时‘无线LAN服务’是关闭的&#xff0c;如果需要开启&#xff0c;只需要在“添加角色和功能”中&#xff0c;选择开启“无线LAN服务…
暂无图片
编程学习 ·

【嵌入式面试宝典】版本控制工具Git常用命令总结

目录 创建仓库 查看信息 版本回退 版本检出 远程库 Git 创建仓库 git initgit add <file> 可反复多次使用&#xff0c;添加多个文件git commit -m <message> 查看信息 git status 仓库当前的状态git diff 差异对比git log 历史记录&#xff0c;提交日志--pret…
暂无图片
编程学习 ·

用Postman生成测试报告

newman newman是一款基于nodejs开发的可以运行postman脚本的工具&#xff0c;使用Newman&#xff0c;可以直接从命令运行和测试postman集合。 安装nodejs 下载地址&#xff1a;https://nodejs.org/en/download/ 选择自己系统相对应的版本内容进行下载&#xff0c;然后傻瓜式安…
暂无图片
编程学习 ·

Java面向对象之多态、向上转型和向下转型

文章目录前言一、多态二、引用类型之间的转换Ⅰ.向上转型Ⅱ.向下转型总结前言 今天继续Java面向对象的学习&#xff0c;学习面向对象的第三大特征&#xff1a;多态&#xff0c;了解多态的意义&#xff0c;以及两种引用类型之间的转换&#xff1a;向上转型、向下转型。  希望能…