2020-12-08

机器学习–糖尿病分类算法

实验目的

1. 掌握主要分类算法的基本原理与实现。
2. 比较不同分类算法的结果，分析其优缺点
   实验问题背景
   根据美国疾病控制预防中心统计，现在美国1/7的成年人患有糖尿病。到2050年，这个比例将会增长至1/3。据分析，是否糖尿病患者与怀孕次数，血糖、血压、皮脂厚度、胰岛素、BMI身体质量指数、糖尿病遗传函数、年龄等特征密切相关。通过机器学习预测是否患有糖尿病，具有非常大的应用价值。
   实验问题描述
   现有一份糖尿病患者数据集diabetes.csv，该数据集有768个数据样本，每个样本有8个特征和一个类别标签，具体信息如下：
   

实验要求
1.对数据做适当必要的预处理，将数据集按照3:1分为训练集和验证集。
2.运用决策树、支持向量机、近邻法、贝叶斯等分类算法（至少实现其中两种）实现分类。
3.比较不同分类算法的结果，分析其优缺点。
分析算法实现中关键参数的影响，以曲线等可视化的方式展示。

KNN算法

1.不掉包，自己编程实现
1.编写距离函数：计算测试样本点（也就是待分类点）到其他每个样本点的距离 ，距离使用欧几里得距离

2.