糖尿病预测（KNN）

最新推荐文章于 2025-05-10 12:30:00 发布
原创 最新推荐文章于 2025-05-10 12:30:00 发布 · 3.2k 阅读 · 25 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法 #机器学习 #人工智能

本文介绍了使用KNN算法预测糖尿病的过程，包括数据介绍、思路分析、代码实现和结果展示，预测准确率达到70%左右。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

写在前面： 我是「虐猫人薛定谔i」，一个不满足于现状，有梦想，有追求的00后
\quad
本博客主要记录和分享自己毕生所学的知识，欢迎关注，第一时间获取更新。
\quad
不忘初心，方得始终。
\quad

❤❤❤❤❤❤❤❤❤❤

在这里插入图片描述

文章目录

数据介绍

数据中各个字段的含义如下：
在这里插入图片描述
在这里插入图片描述

思路分析

具体的实现流程如下：
1、导入数据
2、数据切分
3、模型训练与评估
4、交叉验证
5、打印结果

KNN算法

代码


                

                
                
        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
糖尿病预测--KNN算法

				
			

			

				

					Today_2018的博客
				

				

					03-17
					
					1919
					
				

			

		

		

			
				
一、问题背景
利用机器学习算法实现糖尿病数据集的二分类问题。
二、数据集分析

糖尿病数据集中一共有768个样本，每个样本有8个特征和1个对应的标签





属性
含义




Pregnancies
怀孕次数


Glucose
葡萄糖测试值


BloodPressure
血压


SkinThickness
皮肤厚度


Insulin
胰岛素


BMI
身体质量指数


DiabetesPedigreeFunction
糖尿病遗传函数


Age
年龄


Outcome
糖尿病标签，1表示有糖

			
		

	



                

            
              



	

		

			

				
					
K-近邻算法在Pima人糖尿病预测分析中的应用

				
			

			

				

					YOLOv3333的博客
				

				

					09-14
					
					246
					
				

			

		

		

			
				
我们通过加载和预处理数据集，构建了K-近邻分类器，并使用测试集进行了预测和准确率评估。机器学习算法在医疗领域的应用日益广泛，其中K-近邻（K-Nearest Neighbors，KNN）算法是一种简单而有效的分类算法。Pima人糖尿病数据集是一个常用的医疗数据集，其中包含了Pima印第安人女性的一些生理特征，如血压、血糖浓度、BMI指数等，以及是否患有糖尿病的标签。接下来，我们可以使用sklearn库中的KNeighborsClassifier类来构建K-近邻分类器，并对其进行训练和预测。

			
		

	



              


  
              

                


	

		

			

				
					
机器学习算法KNN（K近邻）应用实例——实现对是否患糖尿病的预测

				
			

			

				

					05-06
				

			

		

		

			
				
机器学习算法KNN（K近邻）应用实例
使用KNN（K近邻）算法对是否容易得糖尿病问题进行预测。
资源中包括完成的KNN算法训练和实现过程，以及用于机器学习的糖尿病数据集。
数据特征包括：
Pregnancies：怀孕次数
Glucose：葡萄糖测试值
BloodPressure：血压
SkinThickness：表皮厚度
Insulin：胰岛素
BMI：身体质量指数
DiabetesPedigreeFunction：糖尿病遗传函数
Age：年龄
Outcome：是否为糖尿病

训练的过程包括数据的预处理、数据的可视化及EDA分析。
然后将数据划分成训练集和测试集，调用sklearn中的KNeighborsClassifier模型对数据进行训练。最后使用混淆矩阵、F1、精确率等指标对模型效果进行评估。

本应用实例可以方便与对KNN算法的应用过程有一个直观的了解和掌握。提升算法的应用实用性。
引入的库函数主要有如下：
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test


			
		

	





	

		

			

				
					
KNN算法实战之糖尿病预测

				
			

			

				

					清风佐鸣琴
				

				

					06-04
					
					3015
					
				

			

		

		

			
				
#导入库
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

#读取数据，数据下载链接https://www.kaggle.com/uciml/pima-indians-diabetes-d

			
		

	



		

			
		



	

		

			

				
					
基于python深度学习多种混合模型的糖尿病预测(数据集+源码+报告)

					
最新发布

				
			

			

				

					擅自各种语言算法！欢迎咨询！
				

				

					05-10
					
					362
					
				

			

		

		

			
				
基于python深度学习多种混合模型的糖尿病预测
机器学习 深度学习 数据挖掘
数据集+源码+报告
python anaconda Jupyternotebook

			
		

	





	

		

			

				
					
KNN算法实战，对糖尿病进行预测

				
			

			

				

					m0_63567560的博客
				

				

					10-09
					
					1708
					
				

			

		

		

			
				
使用knn算法对糖尿病数据进行拟合

			
		

	





	

		

			

				
					
KNN疾病预测算法Demo

				
			

			

				

					07-24
				

			

		

		

			
				
该资源是利用KNN算法对数据进行分类，以excel文件作为输入，能够针对患者的病症，得出他是否患有该病（准确率在70%左右）。有兴趣的童鞋可以下载看看哦！

			
		

	





	

		

			

				
					
第4章 KNeighbors（糖尿病预测）

				
			

			

				

					Klay Ye
				

				

					12-21
					
					1823
					
				

			

		

		

			
				
K近邻算法的核心思想是，未标记样本的类别由距离其最近的k个邻接投票决定。
K近邻算法的原理是，计算待标记的数据样本和数据集中每个样本的距离，取距离最近的k个样本，待标记样本所属的类别，即由上述的核心思想得到。
优点：准确性高，对异常值和噪声有较高的容忍度
缺点：计算量较大，对内存的需求也较大。
k值越大，模型的偏差越大，对噪声数据越不敏感，k很大时，可能造成欠拟合；k值越小，模型的方差就会越大，当...

			
		

	





	

		

			

				
					
基于KNN算法实现糖尿病预测python源码含数据集+作业报告.zip

				
			

			

				

					09-18
				

			

		

		

			
				
基于KNN算法实现糖尿病预测python源码含数据集+作业报告.zip基于KNN算法实现糖尿病预测python源码含数据集+作业报告.zip基于KNN算法实现糖尿病预测python源码含数据集+作业报告.zip基于KNN算法实现糖尿病预测python...

			
		

	





	

		

			

				
					
sklearn实战：糖尿病预测（knn算法）

				
			

			

				

					Douhh_sisy的博客
				

				

					06-06
					
					7568
					
				

			

		

		

			
				
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd









# 加载数据
data = pd.read_csv('datasets/pima-indians-diabetes/diabetes.csv')
print('dataset shape {}'.for...

			
		

	





	

		

			

				
					
《scikit-learn机器学习》糖尿病预测（KNN）

				
			

			

				

					Bessie_Lee
				

				

					11-07
					
					7729
					
				

			

		

		

			
				
本章看完以后的感受：

1、我们先对数据进行加载，由于确定了数据是没有问题的，所以不用对数据进行清洗
2、然后确定每行每列，找到我们需要的目标值，也就是target，在本书中的target为0或者1
3、找到目标值以后，将目标值与非目标值分离，再将数据按照比例分为测试集和训练集。
4、选择的是knn的三种模型，一种是原基础的knn，一种是带有权重的knn，还有一种是确定了半径的knn（上一篇中的knn的俩个变异就是后面的这俩种）
5、然后对他们三个进行训练集训练，选取最佳的一个模型，在对模型进行训练，通过学

			
		

	





	

		

			

				
					
糖尿病预测

				
			

			

				

					汪程序员
				

				

					03-22
					
					3612
					
				

			

		

		

			
				
一、糖尿病预测
1.1问题描述
糖尿病数据集是Sklearn 提供的数据集。它从442例糖尿病患者的资料中取10个特征：年龄、性别、体重、血压和6个血清测试量值，以及患者在一年后疾病发展的量化值（标签）。
1.2问题求解
基本思路：



完整代码：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import Line

			
		

	





	

		

			

				
					
sklearn学习——Python预测糖尿病人是否患癌症(Linear Regression)

				
			

			

				

					01-20
				

			

		

		

			
				
分类(Classification)与回归(Regression)都属于监督学习，他们的区别在于：
分类：用于预测有限的离散值，如是否得了癌症（０，１），或手写数字的判断，是0,1,2,3,4,5,6,7,8还是9等。分类中，预测的可能的结果是有限的，且提前给定的。
回归：用于预测实数值，如给定了房子的面积，地段，和房间数，预测房子的价格。
LinearRegression 拟合一个带有系数 w = (w1, …, wp) 的线性模型，使得数据集实际观测数据和预测数据（估计值）之间的残差平方和最小。
其数学表达式为:

进行预测前查看一下数据集
https://scikit-learn.org

			
		

	





	

		

			

				
					
朴素贝叶斯算法实现（预测糖尿病）

				
			

			

				

					jgzquanquan的博客
				

				

					03-12
					
					9306
					
				

			

		

		

			
				
关于朴素贝叶斯算法
在本教程中，您将学习Naive Bayes算法，包括它的工作原理以及如何在Python中从头开始实现它。
朴素贝叶斯算法是一种直观的方法，它使用属于每个类的每个属性的概率来进行预测。 如果您想要概率性地建模预测建模问题，那么您将提出监督学习方法。
朴素贝叶斯通过假设属于给定类值的每个属性的概率独立于所有其他属性来简化概率的计算。 这是一个强有力的假设，但会产生一种快速有效的方法...

			
		

	





	

		

			

				
					
糖尿病风险分析及预测

				
			

			

				

					weixin_74118031的博客
				

				

					07-12
					
					7058
					
				

			

		

		

			
				
糖尿病风险分析及预测，模型搭建使用了多重线性回归、XGBoost回归预测、随机森林等方法。

			
		

	





	

		

			

				
					
sklearn+Knn+糖尿病（diabetes）数据集

				
			

			

				

					m0_54510474的博客
				

				

					04-24
					
					5981
					
				

			

		

		

			
				
基于sklearn框架，Knn算法，pima-diabetes数据集

			
		

	





	

		

			

				
					
scikit-learn KNN实现糖尿病预测

				
			

			

				

					szfhy的博客
				

				

					09-13
					
					5586
					
				

			

		

		

			
				
随书代码，阅读笔记。

KNN是一种有监督的机器学习算法，可以解决分类问题，也可以解决回归问题。

算法优点：准确性高，对异常值和噪声有较高的容忍度；

算法缺点：计算量大，内存消耗也比较大。

针对算法计算量大，有一些改进的数据结构，避免重复计算K-D Tree， Ball Tree。

算法变种：根据邻居的距离，分配不同权重。另外一个变种是指定半径。

KNN进行分类

%matplotlib...

			
		

	





	

		

			

				
					
机器学习：基于K-近邻(KNN)对Pima人糖尿病预测分析

				
			

			

				

					阿极的博客
				

				

					03-10
					
					4788
					
				

			

		

		

			
				
k-近邻算法是分类数据最简单最有效的算法，k-近邻算法是基于实例的学习，使用算法时我们必须有接近实际数据的训练样本数据。k-近邻算法必须保存全部数据集，如果训练数据集的很大，必须使用大量的存储空间。

			
		

	





	

		

			

				
					
基于数据挖掘算法和技术指标预测股票涨跌

				
			

			

				

					m0_57065258的博客
				

				

					01-22
					
					2067
					
				

			

		

		

			
				
#导入数据

import pandas as pd

data = pd.read_csv('D:/QQ文件夹/金发科技数据十年.csv')

data.head()





#绘制自相关系数图

import matplotlib.pyplot as plt

import numpy as np

import seaborn as sns

plt.figure(figsize=(20, 20)) # 指定绘图对象宽度和高度

colnm = data.columns.tolist() # 列表.

			
		

	





	

		

			

				
					
knn糖尿病预测模型

				
			

			

				

					09-05
				

			

		

		

			
				
KNN（K-最近邻算法）是一种常用的机器学习算法，可以用于糖尿病预测模型。糖尿病是一种与血糖代谢紊乱相关的慢性疾病，而KNN模型可以利用已知病例的特征和类别标签，通过计算新的观察样本与已知样本之间的距离，从而预测新样本的分类。

在糖尿病预测模型中，我们首先需要收集大量的糖尿病患者的相关数据，包括年龄、BMI指数、血压、血糖水平等特征。然后，我们将这些特征作为KNN模型的输入特征。

接下来，我们需要选择一个合适的距离度量方法，常用的有欧氏距离、曼哈顿距离等。对于每个新的观察样本，KNN模型将计算该样本与已知样本的距离，并选择距离最近的K个已知样本作为参考。

最后，根据K个最近邻样本的类别标签，通过多数表决的方式确定新样本的分类。例如，如果K个最近邻样本中大多数为糖尿病患者，则将新样本分类为糖尿病。

KNN模型的一个重要参数是K值的选择，合适的K值可以对模型性能产生重要影响。较小的K值可能会导致过拟合，而较大的K值可能会导致欠拟合。因此，在选择K值时需要通过交叉验证等方法进行调优。

总的来说，KNN糖尿病预测模型是一种简单而有效的机器学习方法。它可以根据已有的糖尿病患者的数据，通过计算新样本与已知样本之间的距离，预测出新样本的分类。但是，KNN模型也有其局限性，例如对于特征间相关性较高的数据，需要额外的处理。因此，在应用KNN模型时，需要综合考虑数据特点及模型的优缺点，做出合适的选择。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值