数据可视化案例-基于决策树的心脏病病情预测

一、数据描述

heart.csv数据集中包含14个特征变量，303个样本。利用该数据集，可以使用sklearn模块中的决策树分类器构建分类模型。具体的变量信息如下所示：

1、导入模块和数据集

# 导入模块
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

import pydot
from sklearn import tree,model_selection,metrics 
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.metrics import roc_auc_score,roc_curve
from sklearn.metrics import confusion_matrix
from sklearn.externals.six import StringIO
from IPython.display import Image  

导入数据集并展示前五个样本。

data=pd.read_csv("./input/heart.csv")
data.head()

2、数据探索

首先，观察患有心脏病和未患心脏病的人数差异：

data["target"].value_counts()

Out：1    165
     0    138
     Name: target, dtype: int64

countNoDisease = len(data[data.target == 0])
countHaveDisease = len(data[data.target == 1])
print("Percentage of Patients Haven't Heart Disease: {:.2f}%".format((countNoDisease / (len(data.target))*100)))
print("Percentage of Patients Have Heart Disease: {:.2f}%".format((countHaveDisease / (len(data.target))*100)))

Out：Percentage of Patients Haven't Heart Disease: 45.54%
     Percentage of Patients Have Heart Disease: 54.46%

患有心脏病和未患心脏病的人数分别为165和138，在调查样本中超过50%的人患有心脏病。决策树建模的目标应当是识别患有心脏病的人，提高对该类疾病的预防和治疗能力，从而提高人们整体的健康水平。

其次，观察样本数据中的性别人数差异：

countFemale = len(data[data.sex == 0])
countMale = len(data[data.sex == 1])
print