机器学习入门04——糖尿病数据预测

最新推荐文章于 2025-02-21 22:53:19 发布

原创

最新推荐文章于 2025-02-21 22:53:19 发布 · 1.2w 阅读

150 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #Logistic分类 #糖尿病发病率预测 #人工智能 #分类问题

这篇博客介绍了如何利用Logistic回归技术预测糖尿病发病概率。通过对Pima Indians Diabetes数据集进行特征工程，包括填充缺失值和标准化处理，然后使用L1和L2正则训练模型，并通过5折交叉验证与超参数调优来优化模型。重点讨论了使用log似然损失作为评价指标对模型进行正则化超参数调优的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用Logistic回归技术实现糖尿病发病预测

数据说明

数据说明： Pima Indians Diabetes Data Set（皮马印第安人糖尿病数据集）根据现有的医疗信息预测5年内皮马印第安人糖尿病发作的概率。
数据链接：https://archive.ics.uci.edu/ml/datasets/Pima+Indians+Diabetes
p.s.: Kaggle也有一个Practice Fusion Diabetes Classification任务，可以试试:)
https://www.kaggle.com/c/pf2012-diabetes

1)文件说明

pima-indians-diabetes.csv：数据文件

2)字段说明

数据集共9个字段:
pregnants：怀孕次数
Plasma_glucose_concentration：口服葡萄糖耐量试验中2小时后的血浆葡萄糖浓度
blood_pressure：舒张压，单位:mm Hg
Triceps_skin_fold_thickness：三头肌皮褶厚度，单位：mm
serum_insulin：餐后血清胰岛素，单位:mm
BMI：体重指数（体重（公斤）/ 身高（米）^2）
Diabetes_pedigree_function：糖尿病家系作用
Age：年龄
Target：标签， 0表示不发病，1表示发病