原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
python数数据据分分析析之之⽤⽤sklearn预预测测糖糖尿尿病病
⽬⽬录录
⼀、数据集描述
⼆、准备⼯作
三、实验环境和⼯具
四、预测分析
4.1索性数据分析
五、可视化分析
六、构建baseline
七、数据预处理
⼋、离群值处理
九、缺失值处理
⼗、特征⼯程
⼗⼀、数据标准化
⼗⼆、模型构建与调参优化
⼗三、总结
⼀⼀、、数数据据集集描描述述
本数据集内含⼗个属性列
Pergnancies:怀孕次数
Glucose：⾎糖浓度
BloodPressure：舒张压(毫⽶汞柱)
SkinThickness：肱三头肌⽪肤褶皱厚度(毫⽶)
Insulin：两个⼩时⾎清胰岛素(µU/毫升)
BI：⾝体质量指数，体重除以⾝⾼的平⽅
DiabetsPedigreeFunction:疾病⾎统指数
是否和遗传相关，Height：⾝⾼(厘⽶)
Age：年龄
Outcome：0表⽰不患病，1表⽰患病。
任务：建⽴机器学习模型以准确预测数据集中的患者是否患有糖尿病
⼆⼆、、准准备备⼯⼯作作
查阅资料得知各属性的数据值要求，⽅⾯后期对于数据的分析与处理过程。
属性列名称数据值要求
Pergnancies(怀孕次数)符合常理即可（可为0）
Glucose(⾎糖浓度)正常值为：80~120
BloodPressure(舒张压(毫⽶汞柱))正常值为：60~80
SkinThickness(肱三头肌⽪肤褶皱厚度(毫⽶))不为0
Insulin(两个⼩时⾎清胰岛素(/毫升))正常值为：35~145
BI(⾝体质量指数:体重除以⾝⾼的平⽅)正常值为：18.5~24.9
DiabetsPedigreeFunction:(疾病⾎统指数:是否和遗传相关)⽆特殊值要求
Height(⾝⾼(厘⽶))不为0符合常理即可
Age(年龄)符合常理即可
Outcome(0表⽰不患病，1表⽰患病)标签值
三三、、实实验验环环境境和和⼯⼯具具
python3.5.6+jupyter
数据处理pandas、numpy
可视化matplotlib、seaborn
模型构建sklearn
四四、、预预测测分分析析
4.1索索性性数数据据分分析析
数据描述
⾸先观察基本的数据类型，以及数据是否存在缺失情况，简要统计信息
all_data.shape
all_data.info()
classpandas.core.frame.DataFrame
RangeIndex:768entries,0to767
Datacolumns(total10columns):
#ColumnNon-NullCountDtype
0Pregnancies768non-nullint64
1Glucose768non-nullint64
2BloodPressure768non-nullint64
3SkinThickness768non-nullint64
4Insulin768non-nullint64
5BI768non-nullfloat64
6DiabetesPedigreeFunction768non-nullfloat64
7Age768non-nullint64
8Height766non-nullobject
9Outcome768non-nullint64
dtypes:float64(2),int64(7),object(1)
memoryusage:60.1+KB
文档评论（0）