日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

AI 助理
備案控制臺
文檔
輸入文檔關鍵字查找
首頁 人工智能平臺 PAI 實踐教程 可視化建模（Designer) 心臟病預測

心臟病預測

更新時間：
產品詳情
我的收藏

心臟病嚴重影響人們的生命健康，如果可以通過人體相關體測指標，分析不同特征對心臟病的影響，則可以有效預防心臟病。本工作流基于真實的心臟病患者體測數據，為您介紹如何通過數據挖掘算法構建心臟病預測模型。

前提條件

數據挖掘流程

image

數據集

本工作流的數據集為UCI開源數據集，詳情請參見Heart Disease Data Set。該數據集包含了303條美國某區域的心臟病檢查患者的體測數據，具體字段如下。

字段名

類型

描述

age

STRING

對象的年齡。

sex

STRING

對象的性別，取值為female或male。

cp

STRING

胸部疼痛類型，痛感由重到輕依次為typical、atypical、non-anginal及asymptomatic。

trestbps

STRING

血壓。

chol

STRING

膽固醇。

fbs

STRING

空腹血糖。如果血糖含量大于120mg/dl，則取值為true，否則取值為false。

restecg

STRING

心電圖結果是否有T波，由輕到重依次為norm和hyp。

thalach

STRING

最大心跳數。

exang

STRING

是否有心絞痛。true表示有心絞痛，false表示沒有心絞痛。

oldpeak

STRING

運動相對于休息的ST Depression，即ST段壓值。

slop

STRING

心電圖ST Segment的傾斜度，程度取值包括down、flat及up。

ca

STRING

透視檢查發現的血管數。

thal

STRING

病發種類，由輕到重依次為norm、fix及rev。

status

STRING

是否患病。buff表示健康，sick表示患病。

心臟病預測

  1. 進入Designer頁面。

    1. 登錄PAI控制臺。

    2. 在左側導航欄單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應的工作空間。

    3. 在工作空間頁面的左側導航欄選擇模型開發與訓練 > 可視化建模（Designer），進入Designer頁面。

  2. 構建工作流。

    1. 在Designer頁面，單擊預置模板頁簽。

    2. 在模板列表的心臟病預測案例區域，單擊創建。

    3. 在新建工作流對話框，配置參數（可以全部使用默認參數）。

      其中：工作流數據存儲配置為OSS Bucket路徑，用于存儲工作流運行中產出的臨時數據和模型。

    4. 單擊確定。

      您需要等待大約十秒鐘，工作流可以創建成功。

    5. 在工作流列表，選擇心臟病預測案例工作流，單擊進入工作流。

    6. 系統根據預置的模板，自動構建工作流，如下圖所示。

      心臟病預測實驗

      區域

      描述

      ①

      數據預處理，主要對數據進行去噪、缺失值填充及類型變換操作。因為每個樣本只會患病或健康，所以心臟病預測可以歸屬于分類問題。本工作流的輸入數據包括14個特征列和1個目標列，在數據預處理過程中，需要根據每個字段的含義將字符類型轉化為數值類型。其中：

      • 二值類數據：以sex字段為例，其取值為female或male，可以使用0表示female，1表示male。

      • 多值類數據：以cp字段為例，該參數表示胸部疼痛感，可以將疼痛感由輕到重依次映射為0～3的數值。

      數據預處理的SQL腳本示例如下。

      select age,
(case sex when 'male' then 1 else 0 end) as sex,
(case cp when 'angina' then 0  when 'notang' then 1 else 2 end) as cp,
trestbps,
chol,
(case fbs when 'true' then 1 else 0 end) as fbs,
(case restecg when 'norm' then 0  when 'abn' then 1 else 2 end) as restecg,
thalach,
(case exang when 'true' then 1 else 0 end) as exang,
oldpeak,
(case slop when 'up' then 0  when 'flat' then 1 else 2 end) as slop,
ca,
(case thal when 'norm' then 0  when 'fix' then 1 else 2 end) as thal,
(case status  when 'sick' then 1 else 0 end) as ifHealth
from  ${t1};

      ②

      特征工程主要包括特征的衍生及尺度變化等功能。本工作流首先通過類型轉換組件將輸入特征轉換為DOUBLE類型（因為邏輯回歸模型的輸入數據必須為DOUBLE類型），然后使用過濾式特征選擇組件判斷每個特征對于結果的影響（通過信息熵和基尼系數反映其影響）。同時，使用歸一化組件將每個特征的數值范圍轉換為0~1，從而去除量綱對結果的影響，其公式為result=(val-min)/(max-min)。

      ③

      模型訓練和預測：

      1. 使用拆分組件將數據集按照7:3分為訓練數據集和預測數據集。

      2. 使用邏輯回歸二分類組件訓練模型。

        說明

        如果您需要導出PMML模型文件，在該組件的字段設置頁簽，需要選中是否生成PMML復選框。然后單擊空白畫布，在該工作流頁面的工作流屬性頁簽，配置工作流數據存儲路徑。

      3. 將模型和預測數據集輸入至預測組件，進行結果預測。

      ④

      使用混淆矩陣和二分類評估組件進行模型評估。

  3. 運行工作流并查看輸出結果。

    1. 單擊畫布上方的image。

    2. 工作流運行結束后，右鍵單擊畫布中的邏輯回歸二分類，在快捷菜單，單擊模型選項 > 導出PMML，即可導出訓練完成的心臟病預測模型。

    3. 右鍵單擊畫布中的預測，在快捷菜單，單擊查看數據 > 預測結果輸出，即可查看模型預測結果。

  4. 查看模型效果。

    1. 右鍵單擊畫布中的二分類評估，在快捷菜單，單擊可視化分析。

    2. 在二分類評估對話框，單擊指標數據頁簽，即可查看模型評估指標數據。

      指標數據其中AUC值表示該工作流模型的預測準確率達到了90%以上。

    3. 右鍵單擊畫布中的混淆矩陣，在快捷菜單，單擊可視化分析。

    4. 在混淆矩陣對話框，單擊統計信息頁簽，即可查看模型準確率等信息。

后續操作

如果工作流運行結果符合預期，您可以將運行生成的模型進行部署，待部署成功后便可進行服務調用。關于部署詳情，請參見單模型部署在線服務、PMML。