R6：LSTM实现糖尿病探索与预测

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

一、实验目的：

学习使用LSTM对糖尿病进行探索预测

二、实验环境：

• 语言环境：python 3.8
• 编译器：Jupyter notebook
• 深度学习环境：Pytorch
  • torch==2.4.0+cu124
  • torchvision==0.19.0+cu124

三、数据预处理

逻辑回归在二分类问题中应用广泛；KNN（K 近邻算法）、SVM（支持向量机）、决策树、贝叶斯分类器、随机森林和 XGBoost（极端梯度提升树）都是常见的用于结构化数据分类的算法。

本次实验我们采用 LSTM（长短期记忆网络）进行分类预测。LSTM 主要用于处理序列数据，虽然在一些特定情况下可以对序列数据进行分类，但对于一般的二维结构化数据，上述提到的传统分类算法通常更加合适。二维结构化数据通常指表格形式的数据，每一行代表一个样本，每一列代表一个特征，对于这类数据，传统的机器学习分类算法在计算效率和可解释性方面往往具有优势。

1. 设置GPU、导入数据

#设置GPU 
import torch.nn as nn 
import torch.nn.functional as F 
import torchvision,torch 

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

device 

#导入数据
import numpy   as np
import pandas  as pd
import seaborn as sns
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
plt.rcParams['savefig.dpi'] = 500 #图片像素
plt.rcParams['figure.dpi'] = 500 #分辨率

plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签

import warnings
warnings.filterwarnings('ignore')

DataFrame = pd.read_excel('diabetes.xls')
DataFrame.head()

DataFrame.shape

(1006, 16)    

2. 数据检查

#查看数据是否有缺失值
print('数据缺失值--------------------------')
print(DataFrame.isnull().sum())

#查看数据是否有重复值
print('数据重复值--------------------------')
print('数据集的重复值为：'f'{
     DataFrame.duplicated().sum()}')

3. 数据分布分析

feature_map = {
    '年龄': '年龄',
    '高密度脂蛋白胆固醇': '高密度脂蛋白胆固醇',
    '低密度脂蛋白胆固醇': '低密度脂蛋白胆固醇',
    '极低密度脂蛋白胆固醇': '极低密度脂蛋白胆固醇',
    '甘油三酯': '甘油三酯',
    '总胆固醇': '总胆固醇',
    '脉搏': '脉搏',
    '舒张压':'舒张压',
    '高血压史':'高血压史',
    '尿素氮':'尿素氮'