基于Kaggle心脏病数据集的数据分析和分类预测

GitHub地址：暂未上传

研究背景：心血管疾病现状：心血管疾病是全球及我国人口死亡的主要原因之一，且患病人数众多。
研究意义：通过数据分析预测心脏病风险，有助于早期筛查、风险评估，为医生提供个性化预防和治疗方案。
研究内容：分析心脏病数据集，探索与心脏病相关的医学指标。建立分类模型预测心脏病风险。

项目流程： 数据预处理-> 模型训练与评估 -> 数据可视化

数据预处理：
数据清洗:
数据类型转换：对某些列的数据类型转换。例如，原始数据为数值类型，但需要将其转换为object类型，以便后续进行编码处理。
处理缺失值：通过填充均值或中位数处理缺失数据，确保数据完整。
特征工程:标准化：使用StandardScaler()对数据进行标准化处理，使所有特征的均值为0，标准差为1，确保不同特征在同一尺度上。
离散化：对离散型数据（如性别、胸痛类型等）进行转换，将其从数值表示转为字符串形式（例如：0表示女性，1表示男性）使数据更加直观和可解释。
独热编码：使用pd.get_dummies()对类别变量进行独热编码，避免类别数据对模型训练产生影响。

模型训练与评估:
模型训练:通过决策树和逻辑回归模型预测心脏病患病可能性。
决策树：采用决策树模型对心脏病进行二分类预测
算法：CART
分裂标准：基尼指数
使用训练集通过基尼指数优化划分规则
逻辑回归：
设置高精度容忍度 (tol=1e-10)
使用训练数据集进行建模

模型评估：调用 plotting(tree, y_test) 函数，对测试数据进行预测，绘制模型性能曲线（如ROC曲线）。
评估结果：

在本次研究中决策树模型表现较好，决策树模型的平均精准率为0.95，AUC值为0.94，召回率为0.78，表现出较强的分类能力，能够较为准确地识别出心脏病患者，尤其在AUC值上具有优势。 逻辑回归模型表现次之，逻辑回归模型的平均精准率为0.89，AUC值为0.88，略逊于决策树，但仍表现出良好的预测性能，尤其适合需要解释性较强的场景。 综合来看，决策树模型在心脏病预测任务中表现最佳，具有较高的分类准确性和较强的模型稳定性。

数据分析与可视化（展示部分）
散点图矩阵分析特征分布及关系：通过散点图矩阵展示数值型特征两两之间的关系，并区分心脏病患病状态。

特征系数条形图分析：通过逻辑回归模型计算数据集中各特征的系数，分析每个特征对预测心脏病发生的影响大小和方向。