医学数据分析大赛-胎儿CTG诊断预测模型.zip

程序设计详情说明： 1.程序在全局设置中对输入和输出文件的目录、屏蔽警告、随机种子等进行设定，并将数据预处理方法（归一化、标准化、PCA降维）实例化。 2.加载数据，使用data.drop()和.copy()返回数据副本，防止修改数据源。 3.观察数据，首先使用data.isnull().any()观察数据缺失情况，确认数据无缺失值后使用data.describe()方法观察数据最大、最小值和平均值情况，以探测是否存在异常值，并对数据集进行了标准化和归一化后的观察。我们认为数据集数据完整，且未发现异常值，不需要其他预处理。此后对数据PCA降维，进行可视化观察，同时还尝试了核化PCA等方法对数据进行观察，可以观察到较明显的决策边界。（见'程序源代码\机器学习\评价结果输出（预实验）\decom_1.png'） 4.划分数据集并进行模型探索，设计了列表data_state和列表estimators=[name, estimator, param_grid] 并进行嵌套遍历，实现在6个不同数据状态下对4个模型进行网格搜索。并将网格搜索的主要结果记录在列表best_estimators=[name,grid_search.best_estimator_,state]中。 5.最优模型间的评估，对各数据状态下网格搜索的结果，即best_estimators列表中的6*4=24个模型进行十折交叉验证，并将结果记录在result字典中。 6.使用DataFrame将评估结果result输出到'程序源代码\机器学习\评价结果输出（预实验）\'目录下，同时使用matplotlib根据F1_macro分数绘制直方图，进行模型间比较。 结论: 可以观察到，随机森林在各个数据集上的表现都优于其他模型。同时，模型在原数据集上的表现整体优于降维后的数据集，标准化和归一化对随机森林模型的影响不明显。（见'程序源代码\机器学习\评价结果输出（预实验）\explore.png'） 因此，接下来将在原数据集上对随机森林进行详细的调校、评估和测试。