DEV Community
·
基于机器学习的糖尿病预测应用
💡
原文英文，约1900词，阅读约需7分钟。
📝
内容提要
糖尿病分为1型和2型，影响身体处理糖分的方式。项目开发了一款应用，利用Kaggle数据集，通过逻辑回归和随机森林模型进行分析，最终选择准确率较高的随机森林模型，并使用Streamlit构建应用，帮助用户预测糖尿病风险。
🎯
关键要点
- 糖尿病分为1型和2型，影响身体处理糖分的方式。
- 1型糖尿病：身体完全不产生胰岛素，通常在生命早期发展，需要胰岛素注射。
- 2型糖尿病：身体产生的胰岛素不足或无法正常使用，通常与生活方式因素有关。
- 项目旨在开发一个应用程序，预测患者是否患有糖尿病。
- 数据集来自Kaggle，包含多个与糖尿病相关的特征。
- 数据处理包括处理缺失值和零值，使用均值和中位数替换不合理的零值。
- 使用逻辑回归和随机森林模型进行预测，随机森林模型表现更佳。
- 逻辑回归模型在训练集上的准确率为79.48%，测试集为70.78%。
- 随机森林模型的训练准确率为93.16%，测试准确率为76.62%。
- 随机森林模型在识别糖尿病患者方面有所改善，但仍偏向于非糖尿病预测。
- 最终将随机森林模型和标准缩放器保存，以便在应用中使用。
- 使用Streamlit构建和部署应用程序，用户可以输入医疗信息进行糖尿病预测。
- 应用程序提供了用户友好的界面，显示预测结果和健康建议。
❓
延伸问答
糖尿病有哪些类型？
糖尿病分为1型和2型。1型糖尿病是身体完全不产生胰岛素，通常在生命早期发展；2型糖尿病是身体产生的胰岛素不足或无法正常使用，通常与生活方式因素有关。
这个应用是如何预测糖尿病的？
该应用利用Kaggle数据集，通过逻辑回归和随机森林模型进行分析，最终选择准确率较高的随机森林模型进行糖尿病风险预测。
随机森林模型的准确率如何？
随机森林模型在训练集上的准确率为93.16%，测试集为76.62%，显示出较好的预测能力。
如何处理数据中的缺失值和零值？
数据处理包括检查缺失值并确认没有缺失值，处理零值时，正常分布的列用均值替换，偏态分布的列用中位数替换。
应用程序的用户界面有什么特点？
应用程序提供用户友好的界面，用户可以输入医疗信息进行糖尿病预测，并显示预测结果和健康建议。
如何在应用中使用训练好的模型？
训练好的随机森林模型和标准缩放器被保存，以便在应用中使用，用户输入信息后，模型会先缩放输入再进行预测。
➡️
