炮炮寻找数据集的坎坷之路2——UCI数据集Heart Disease

最新推荐文章于 2025-04-26 22:18:26 发布

原创

最新推荐文章于 2025-04-26 22:18:26 发布

· 1.6k 阅读

25 ·

版权

文章标签：

#深度学习 #人工智能 #神经网络

博客介绍了基于UCI Heart Disease数据集，利用深度学习构建心血管疾病预测模型的过程。内容包括数据预处理，如处理缺失值和转换特征，以及构建基于卷积神经网络（CNN）、RNN和LSTM的模型。讨论了训练集和测试集划分对模型性能的影响，以及模型优化策略，如调整学习率和防止过拟合。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、数据集

在阅读心血管疾病相关的论文中，发现以下论文中所使用的公开数据集，因此选用此数据集来进行复现，以及在复现的基础上实现突破

参考论文：心血管疾病预测模型的研究_朱宵彤心血管疾病预测模型的研究 - 中国知网

数据集来源：

本论文中用到的数据集取自UCI机器学习数据库（https://archive.ics.uci.edu/ml/datasets.php）中的用于心血管疾病预测的Heart Disease数据集（UCI Machine Learning Repository）

据集的详细介绍见： http://t.csdn.cn/doUMJ

数据集属性说明： http://t.csdn.cn/zScIP

Heart disease数据集下载地址:UCI Machine Learning Repository

数据集的预处理

以该数据集为例进行实验：processed.cleveland.csv

参考：http://t.csdn.cn/doUMJ

查看原始数据的维度【数据的维度是（302，14）】


# 查看原始数据的维度，原始数据集是.data文件
import pandas as pd
data=pd.read_csv('data/processed.cleveland.data')
print(data.shape)
print(data.head())

把data文件转为 csv文件并加上表头


import pandas as pd
#读取data文件，指定属性
data=pd.read_table('data/processed.cleveland.data',names=['age','sex','cp','trestbps','chol','fbs','restecg','thalach','exang','oldpeak','slope','ca','thal','target'],sep=',')
#生成csv文件
data.to_csv('data/processed.cleveland.csv',index=False)

对csv文件进行分析

对某列数据进行处理参考内容：http://t.csdn.cn/jF9g5

缺失值的处理：对存在的'?'进行处理（还需进一步的学习，而不是删除后再处理）

缺失值的处理有多种方式，这里采取的是删除缺失值所在的行。论文中对缺失值的处理为：

缺失值填充对于缺失的特征属性有4种解决方案：使用缺失值所在数据之外的同一属性平均值来进行填充；使用其他数据库相似样本的平均值填充；使用算法来生成数据；舍弃带有缺失属性的样本。考虑到原始数据样本数量有限，故选择第一种方案，使用其他数据的同一属性均值填充。而对于缺失标签属性的数据，由于标签代表着最终的结果，与其他属性不同，所以无法对其进行填充，本文中对于这类数据选择直接舍弃。

将thal指标用0，1， 2替换，target指标用0 ，1（1 2 3 4）替换，方便做二分类

数据预处理过程代码实现


# 数据分析
import pandas as pd
import ydata_profiling
df=pd.read_csv('processed.cleveland.csv')
print(df.head())
#（303，14）增加了一行表头
print(df.shape)
# 查看数据集的基本信息
# print(df.info())

# 查看缺失值，然后显示都没有缺失值,但是问号要处理掉，所以手动打开了文件把？删除，再查看缺失值就存在了
# 处理后的文件保存为data/processed.cleveland.csv
# print(df.isnull())
print(df.isnull().any())

# 删除缺失值所在的行
# df.dropna(axis=0)

#指标的替换
df=df.replace({"thal":{3.0:0,6.0:1,7.0:2}})
df=df.replace({"target":{2:1,3:1,4:1}})
#查看
print(df.head())
df.isnull().any()
df=df.dropna()
# 数据预览分析
ydata_profiling.ProfileReport(df)