TensorFlow 深度学习 | 使用 Pandas 数据预测心脏病实战

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在优快云上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

TensorFlow 深度学习实战：使用 Pandas 数据预测心脏病

在人工智能与医疗健康结合的场景中，心脏病预测是一个经典案例。

本文将带你一步步使用 Python + TensorFlow + Pandas 构建一个深度学习模型预测心脏病。

我们将使用 UCI 心脏病数据集（Heart Disease Dataset），数据包含患者多维度特征（如年龄、血压、胆固醇等），目标是预测患者是否患有心脏病。

---

📊 一、准备工作

安装依赖库

pip install tensorflow pandas scikit-learn matplotlib

导入必要库

import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

---

📝 二、加载与探索数据

加载数据

data = pd.read_csv("heart.csv")
print(data.head())

特征与目标

• 特征（Features）：年龄、性别、胸痛类型、血压、胆固醇、血糖、心电图、运动心率等
• 目标（Target）：是否患有心脏病（0 = 否，1 = 是）

X = data.drop("target", axis=1