首页 > 其他分享 >R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化

R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化

时间：2023-09-24 21:47:21浏览次数：63  
标签：... aes target ggplot heartDiseaseData 神经网络 可视化 fill 决策树

全文链接:https://tecdat.cn/?p=33760

原文出处：拓端数据部落公众号

概述：

众所周知，心脏疾病是目前全球最主要的死因。开发一个能够预测患者心脏疾病存在的计算系统将显著降低死亡率并大幅降低医疗保健成本。机器学习在全球许多领域中被广泛应用，尤其在医疗行业中越来越受欢迎。机器学习可以在预测关键疾病（例如心脏病）的存在或不存在方面发挥重要作用。

如果能提前准确预测这些信息，可以为医生提供重要见解，从而能够相应并有效地进行患者治疗。以下演示了对流行的心脏疾病数据库进行的探索性数据分析。除此之外，还使用不同方法（如逻辑回归、随机森林和神经网络）进行心脏病预测。

数据集：数据集包含76个属性，但建议我们只使用其中的14个进行分析。在本文中，使用一个合并的数据集构建分类器，并使用交叉验证技术进行性能评估。

特征：

  1. Age：年龄（以年为单位）。
  2. Gender：性别，1表示男性，0表示女性。
  3. Cp：胸痛类型，取值1：典型心绞痛，取值2：非典型心绞痛，取值3：非心绞痛疼痛，取值4：无症状。
  4. Trestbps：静息血压（以毫米汞柱为单位）。
  5. Chol：血清胆固醇（以毫克/分升为单位）。
  6. Fbs：空腹血糖 > 120 mg/dl，1表示真，0表示假。
  7. Restecg：静息心电图结果，取值0：正常，取值1：ST-T波异常，取值2：根据Estes标准显示可能或明确的左室肥厚。
  8. Thalach：达到的最高心率（每分钟心跳数）。
  9. Exang：运动诱发心绞痛，1表示是，0表示否。
  10. Oldpeak：相对于休息引起的ST段压低。
  11. Slope：峰值运动ST段的斜率，取值1：上坡，取值2：平坦，取值3：下坡。
  12. Ca：血管数量（0-3）。
  13. Thal：3 = 正常；6 = 固定缺陷；7 = 可逆性缺陷。
  14. Target：两个类别，因此是一个二分类问题。

目标：预测一个人是否患有心脏疾病。

读取数据集并检查是否有缺失值

    

head(heartDiseaseData)

image.png

    
sum(is.na(heartDiseaseData))
    
## [1] 0
    
colnames(heartDiseaseData)[1]<-"age"
str(heartDiseaseData)

image.png

数据预处理

    

heartDiseaseData$cp<-as.factor(heartDiseaseData$cp)
levels(heartDiseaseData$cp)[levels(heartDiseaseData$cp)==0] <- "Chest Pain Type 0"
levels(heartDiseaseData$cp)[levels(heartDiseaseData$cp)==1] <- "Chest Pain Type 1"
levels(heartDiseaseData$cp)[levels(heartDiseaseData$cp)==2] <- "Chest Pain Type 2"
levels(heartDiseaseData$cp)[levels(heartDiseaseData$cp)==3] <- "Chest Pain Type 3"
...

image.png

检查缺失值

    
sum(is.na(heartDiseaseData))
    
## [1] 0

数据摘要

    
summary(heartDiseaseData)

image.png

健康人和心脏病患者的观测总数。

    
ggplot(heartDiseaseData,aes(t...

image.png

女性心脏病的发病率高于男性

    
ggplot(heartDiseaseData,aes(target, fill=target)) +
...

image.png

可以观察到，健康人和患有心脏病的人的 Rest ECG 分布没有明显差异。

    
ggplot(heartDiseaseData,aes(trestbps, fill=target)) + 
  geom_histogram(aes(y=..density..),breaks=seq(90, 200, by=10), ...

image.png

可以观察到心脏病在各个年龄段均匀分布。此外，患者的中位年龄为56岁，最年轻和最年长的患者分别为29岁和77岁。可以从图表中观察到，患有心脏病的人的中位年龄小于健康人。此外，患心脏病的患者的分布略微倾斜。因此，我们可以将年龄作为一个预测特征。

    
ggplot(heartDiseaseData,aes(age, fill=target)) + ...

image.png

    
ggplot(heartDiseaseData,aes(x=target, y=age, fill=target)) + 
...

image.png

此外，患有心脏病的人通常具有比健康人更高的最高心率。

    
ggplot(heartDiseaseData,aes(thalach, fill=target)) +
...
  ggtitle("Max Heart Rate Histogram")

image.png

此外，可以观察到大多数患有心脏病的人其血清胆固醇在200-300 mg/dl范围内。

    
ggplot(heartDiseaseData,aes(chol, fill=target)) +
 ...

image.png

大多数心脏病患者的ST段压低为0.1。

    
ggplot(heartDiseaseData,aes(oldpeak, fill=target)) +
  geom_histogram(aes(y=..density..),breaks=seq(0, 7, by=0.1), ...

image.png

大多数拥有0个主要血管的人患有心脏病。

    
ggplot(heartDiseaseData,aes(ca, fill=target)) +
  geom_histogram(aes(y=..density..),breaks=seq(0, 5, by=1), ...

image.png

大多数患有心脏病的人胸痛类型为1或2。

    
ggplot(heartDiseaseData,aes(target, fill=target)) +
...

image.png

空腹血糖没有明显差异。

    
ggplot(heartDiseaseData,aes(target, fill=target)) +
...

image.png

拥有静息心电图异常类型1的人患心脏病的可能性较高。

    
ggplot(heartDiseaseData,aes(target, fill=target)) +
...

image.png

没有运动诱发性心绞痛的人患心脏病的可能性较高。

    
ggplot(heartDiseaseData,aes(target, fill=target)) +
...
  scale_fill_manual(values=c("#97BE11","#DC1E0B"))

image.png

具有最高斜率2的人患心脏病的可能性更高

  R 
ggplot(heartDiseaseData, aes(target, fill=target)) +
...
  scale_fill_manual(values=c("#97BE11", "#DC1E0B"))

image.png

具有固定缺陷地中海贫血的人患心脏病的可能性更高

  R 
ggplot(heartDiseaseData,aes(target, fill=target)) +
...
  scale_fill_manual(values=c("#97BE11","#DC1E0B"))

image.png

可以观察到仅有少数参数，如胸痛类型、性别、运动诱发心绞痛、血管数量和ST段压低，对结果有显著影响。因此，可以舍弃其他参数。

  R 
log <- glm(...

image.png

image.png

显著特征的总结

  R 
d <- heartDiseaseDa...

image.png

逻辑回归

  R 
log <- glm(...=binomial)
summary(log)

image.png

  R 
log.df <- tidy...

观察表明，如果个体患有2型或3型胸痛，患心脏病的可能性更高。随着血管数量、运动诱发心绞痛、ST段压低和男性性别数值的增加，患心脏病的可能性较低。

  R 
log.df %>%
  mutate(term=reorder(term,estimate)) %>%
...
  geom_hline(yintercept=0) +
  coord_flip()

image.png

随着ST段压低值的增加，患心脏病的可能性降低。随着血管数量的增加，女性患心脏病的可能性降低，而男性的可能性增加。

逻辑回归

  R 
data <- d
set.seed(1237)
train <- sample(nrow(data), .8*nrow(data), replace = FALSE)
...

#调整参数
fitControl <- trainControl(method = "repeatedcv",
      ...
TrainSet$target <- as.factor(TrainSet$target)
  R 
gbm.ada.1 <- caret::train(target ~ ., 
                    ...
                          metric="ROC")

gbm.ada.1

image.png

ST段压低是最重要的特征，其次是胸痛类型2等等。

    
varImp(gbm.ada.1)

image.png

    
pred <- predict(gbm.ada.1,ValidSet)
....
res<-caret::confusionMatrix(t...

image.png

混淆矩阵

    
ggplot(data = t.df, aes(x = Var2, y = pred, label=Freq)) +
...
  ggtitle("Logistic Regression")

image.png

随机森林

    
gbm.ada.1 <- caret::train(target ~ ., 
                          ...
                                      metric="ROC")

gbm.ada.1

image.png

变量重要性

    
varImp(gbm.ada.1)

image.png

    
pred <- predict(gbm.ada.1,ValidSet)
...
res<-caret::confusionMatrix(t, positive="Heart Disease")
res

image.png

混淆矩阵

    
ggplot(data = t.df, aes(x = Var1, y = pred, label=Freq)) +
 ...
  ggtitle("Random Forest")

image.png

绘制决策树

    
gbmGrid <-  expand.grid(cp=c(0.01))
fitControl <- trainControl(method = "repeatedcv",
                    ...
                           summaryFunction = twoClassSummary)
d$target<-make.names(d$target)
system.time(gbm.ada.1 <- caret::train(target ~ ., 
                    ...
                                      tuneGrid=gbmGrid))
    
gbm.ada.1

image.png

    
varImp(gbm.ada.1)

image.png

    
rpart.plot(gbm.ada.1$finalModel,   
    ...
           nn=TRUE)

下载 (1).png

神经网络

    
fitControl <- trainControl(method = "repeatedcv",
                      ...
                           summaryFunction = twoClassSummary)
gbm.ada.1 <- caret::train(target ~ ., 
                             ...
                                      metric="ROC")

image.png

    
gbm.ada.1

image.png

变量重要性

    
varImp(gbm.ada.1)

image.png

    
pred <- predict(gbm.ada.1,ValidSet)
...
res<-caret::confusionMa...

image.png

混淆矩阵

混淆矩阵（Confusion Matrix）是用于评估分类模型性能的一种表格。它以四个不同的指标来总结模型对样本的分类结果：真阳性（True Positive, TP）、真阴性（True Negative, TN）、假阳性（False Positive, FP）和假阴性（False Negative, FN）。

    
ggplot(data = t.df, aes(x = Var1, y = pred, label=Freq)) +
...
  ggtitle("Neural Network")

下载.png

out of the shadows- a brighter future for pharma technical development_1209427002_standard_1536x1536.webp

最受欢迎的见解

1.PYTHON用户流失数据挖掘：建立逻辑回归、XGBOOST、随机森林、决策树、支持向量机、朴素贝叶斯模型和KMEANS聚类用户画像

2.R语言基于树的方法：决策树，随机森林

3.python中使用scikit-learn和pandas决策树

4.机器学习：在SAS中运行随机森林数据分析报告

5.R语言用随机森林和文本挖掘提高航空公司客户满意度

6.机器学习助推快时尚精准销售时间序列

7.用机器学习识别不断变化的股市状况——隐马尔可夫模型的应用

8.python机器学习：推荐系统实现（以矩阵分解来协同过滤）

9.python中用pytorch机器学习分类预测银行客户流失

标签：...,aes,target,ggplot,heartDiseaseData,神经网络,可视化,fill,决策树
From： https://www.cnblogs.com/tecdat/p/17726730.html

相关文章

  • 代码变更风险可视化系统建设与实践
    本文整理自美团技术沙龙第77期《美团亿级流量系统的质量风险防控和稳定性治理实践》。文章第一部分介绍了软件系统风险与变更；第二部分介绍了代码变更风险可视化系统的能力建设；第三部分介绍了整个系统在美团内部实践落地的情况；最后是对未来的规划和展望。希望对大家能有所帮助或启发......
  • 深度学习入门——卷积神经网络CNN基本原理+实战
    beginning今天给小伙伴们介绍一个高级的分类方法——卷积神经网络CNN，并学习用CNN实现图像的分类。作为深度学习的基础，CNN可太重要了呐，在图像分类、目标检测、目标跟踪、语义分割、实例分割等领域随处可见它的身影。废话不多说啦，如果你也对CNN感兴趣的话，赶紧跟我一起愉快的看下去叭......
  • 深度学习入门——卷积神经网络CNN基本原理+实战
    beginning今天给小伙伴们介绍一个高级的分类方法——卷积神经网络CNN，并学习用CNN实现图像的分类。作为深度学习的基础，CNN可太重要了呐，在图像分类、目标检测、目标跟踪、语义分割、实例分割等领域随处可见它的身影。废话不多说啦，如果你也对CNN感兴趣的话，赶紧跟我一起愉快的看下去叭......
  • Hive的使用以及如何利用echarts实现可视化在前端页面展示(四)---连接idea使用echarts
    说来惭愧，我的javaweb烂得一批，其他步骤我还是很顺利地，这个最简单的，我遇到了一系列问题。只能说，有时候失败也是一种成功吧这一步其实就是正常的jdbc，没什么可说明的，但是关于使用echarts我还是遇到了一些困难，如果有高手能指正一二，感激不尽echarts获取前端数据要使用Ajax，我不会这个语......
  • Hive的使用以及如何利用echarts实现可视化在前端页面展示(三)---hive数据利用sqoop导
    1、安装sqoop我的版本jdk1.8hadoop3.1.3sqoop1.4.6基本上就安装这个版本都没问题，如果是执行连接数据库命令时报错：java.lang.NoClassDefFoundError;报错，在lib下再放一个commons-lang-2.6.jar即可，sqoop安装:Indexof/dist/sqoop(apache.org)commons-lang-2.6.jar下载:commo......
  • Hive的使用以及如何利用echarts实现可视化在前端页面展示(二)---hive部分的实现
    1、利用远程连接器上传csv文件2、进入hive创建表结构：创建一个Hive表的SQL语句：这个表名为 "sales"，包含了五个列：day_id、sale_nbr、buy_nbr、cnt 和 round。此表的数据格式为逗号分隔的文本文件，每一行都用逗号分隔字段。createtablesales(day_idstring,sale_nbrstring,b......
  • Docker 安装可视化工具 Portainer 中文版
    Docker安装可视化工具Portainer中文版参考文档：安装中文版portainer-ce-简书(jianshu.com)(21条消息)Docker可视化工具Portainer的安装和使用_琦彦的博客-CSDN博客安装中文版portainer-ce-简书(jianshu.com)(21条消息)Docker可视化工具Portainer的安装和使用_琦......
  • 关于昨天测试结果--可视化的改进(也就是实现查询功能和ECharts的交互功能)
    今天我又看了一下自己可视化界面，不得不说，有点子low；并且，我除了实现了数据的可视化，并没有那种选择哪天的日期，然后就显示哪天的信息，可视化并不明确，很low！！！今天特意来改进一下：文本框输入日期数据：界面跳转：也就是通过将文本框数据和后端相连接实现，sql语句：select*fromtest1wher......
  • 决策树库Graphviz的环境安装和软件安装
    1、Graphviz软件的下载Download|Graphviz 2、下载后下一步安装即可 3、安装好后查看环境变量是否已经自动配置，没有的话，自己手动配置如下 4.安装这些之前确认已经安装了python环境，即Anaconda和jupter5、window+r，cmd，打开窗口输入dot-version，查看是否配置完成， 6......
  • Arcgis 与 Pixi.js 可视化 glsl 特效篇（二十一）
    这次我们用pixi.js和arcgisjs结合我们先定义一下传入数据结构symbol暂时不做let option={renderer:{type:"simple",symbol:{}},data:[{geometry:[12956152.73135875,4855356.473704897],attributes:{name:"北京"}},{geometry:[12697872.01278319......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99