高血压风险预测（predict the risk of high blood pressure）

研究背景

高血压是全球常见的慢性疾病，是心血管疾病的主要风险因素，严重影响健康。由于高血压早期常无明显症状，传统的血压测量方法难以提前预测风险。因此，早期预测和干预至关重要。
在现如今社会高速发展的情况下，人们的生活水平越来越高，在追求精神和物资丰富的同时，疾病也在悄然而至。所以在这个情况下，我们需要对高血压，高血糖，高胆固醇等一系列祸从口入的疾病进行研究，随着大数据和人工智能的发展，通过多维数据（如生活方式、遗传因素等）建立预测模型，能够更准确地评估个体的高血压风险。这为个性化预防和治疗提供了基础，有助于提高健康管理效率，减少高血压及其并发症的发生。本文就是对高血压风险预测。

数据可视化展示

本文所用到的数据集是来自https://www.heywhale.com/mw/dataset/6736f8d20bb59b78302c1397/content

高血压与各个特征的关系

由热力图可以知道每一个特征与高血压患病的风险的关系，其中可以看出年龄，血管的舒张与收缩的压强有关，接下来我们将对个别数据关系进行可视化。

年龄与高血压的关系

由图看出来，在随着年龄的增加，人们患高血压的风险越来越高，其中中年人患高血压的风险最高，所以对中老年人高血压检测是很必要的。

收缩压（高压）与舒张压（低压）与患高血压的关系

医学上规定收缩压大于140mmHg，舒张压小于90mmHg的是高血压，由图也可以轻易看出来收缩压和舒张压越高，患高血压的风险就越大。

整体架构流程

导入必要的库

#分类任务
import sklearn
import numpy as np
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split  #划分数据集
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score,confusion_matrix
from sklearn.metrics import roc_curve, auc

from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC 
from sklearn.neighbors import KNeighborsClassifier
from sklearn.tree import DecisionTreeClassifier  

plt.rcParams['font.family'] = 'simhei'  # 可以让图像中显示中文（黑体），无需引用
plt.rcParams['axes.unicode_minus'] = False

数据分析预处理

"'数据预处理'"
df = pd.read_csv(r"C:\Users\lenovo\Desktop\zxd\作业\机器学习实践\高血压数据集\Hypertension-risk-model-main.csv")
# print(df.shape)  #查看数据大小为（4241,13）
# print(df.isnull().sum())  #查看每一类的缺失值  # print(df