心脏病预测机器学习实战

文章预览

本文探讨了机器学习在理解心脏病预测关键指标方面的潜力。心脏病给全球医疗保健系统带来了巨大的负担。如果问题及时解决，许多不良事件是可以避免的。机器学习在诊断高危人群发生不良心脏后果的可能性方面大有可为。 本文将使用“心脏病个人关键指标”数据集来识别有心脏病风险的个体。该数据集是美国疾病控制中心 (CDC) 每年对 400,000 名成年人健康状况进行的调查。 EDA（探索性数据分析） 对于任何分析，我们都需要数据。因此，首先，我们将导入数据。导入数据从以下代码行开始。 import  pandas  as  pd import  numpy  as  np import  matplotlib.pyplot  as  plt import  seaborn  as  sns 我们分别在上面的代码行中导入了 numpy 和 pandas 库。然后，我们导入了 matplotlib 库。这对于 Pythonn 中的交互式可视化非常有用。Seaborn 是另一个更适合处理 pandas 数据框 ………………………………