实用机器学习

机器学习算法KNN（K近邻）应用实例——实现对是否患糖尿病的预测

机器学习算法KNN（K近邻）应用实例 使用KNN（K近邻）算法对是否容易得糖尿病问题进行预测。 资源中包括完成的KNN算法训练和实现过程，以及用于机器学习的糖尿病数据集。 数据特征包括： Pregnancies：怀孕次数 Glucose：葡萄糖测试值 BloodPressure：血压 SkinThickness：表皮厚度 Insulin：胰岛素 BMI：身体质量指数 DiabetesPedigreeFunction：糖尿病遗传函数 Age：年龄 Outcome：是否为糖尿病 训练的过程包括数据的预处理、数据的可视化及EDA分析。 然后将数据划分成训练集和测试集，调用sklearn中的KNeighborsClassifier模型对数据进行训练。最后使用混淆矩阵、F1、精确率等指标对模型效果进行评估。 本应用实例可以方便与对KNN算法的应用过程有一个直观的了解和掌握。提升算法的应用实用性。 引入的库函数主要有如下： import numpy as np import pandas as pd from sklearn.model_selection import train_test

logistic_regression:逻辑回归预测糖尿病数据集_

logistic_regression 用logistic回归预测糖尿病数据集_我在糖尿病数据集上使用了logistic回归和决策树分类器模型，在对两个模型进行训练和测试数据集比率相同后，我发现logistic回归给出的准确性更高，大约为80％，而决策树分类器给出了约75％。

使用机器学习技术预测糖尿病-研究论文

糖尿病是由一系列代谢疾病引起的常见疾病，在这些疾病中，糖分期在延长期非常高。 它接触人体的各个器官，因此伤害身体的大量系统，确切地说是血液和神经。 此类疾病的早期预测可以准确并挽救人类生命。 为了实现这一目标，这项研究工作主要是使用机器学习技术发现与这种疾病相关的众多因素。 机器学习方法通​​过从糖尿病患者的诊断医学数据集中构建预测模型来提供有效的结果来提取知识。 从这些数据中获取知识对于预测糖尿病患者很有价值。 在本研究中，使用了六种流行的机器学习技术，即随机森林 (RF)、逻辑回归 (LR)、朴素贝叶斯 (NB)、C4.5 决策树 (DT)、K-最近邻 (KNN) 和支持向量比较机器 (SVM) 以获得出色的机器学习技术来预测糖尿病。 我们的新结果表明，与其他机器学习技术相比，支持向量机 (SVM) 实现了更高的准确性。

diabetes_ml:通过机器学习预测糖尿病的存在

糖尿病_毫升 通过机器学习预测糖尿病的存在

关于疾病判断数据之糖尿病

资源共享

糖尿病风险预测数据集.zip

数据集来源于孟加拉国锡尔赫特市医院糖尿病患者的问卷，已经得到批准。 特征信息： 年龄：20-65 性别：1.男 2.女 多尿症：1.是 2.否 突然体重减轻：1.是 2.否 多食症：1.是 2.否 视觉模糊：1.是 2.否 瘙痒：1.是 2.否 烦躁：1.是 2.否 延迟康复：1.是 2.否 部分偏瘫：1.是 2.否 肌肉无力：1.是 2.否 脱发：1.是 2.否 肥胖：1.是 2.否 类别：1.正面 2.负面

Disease-Prediction-System-by-ML:使用机器学习进行疾病预测是一种基于用户输入到系统中的详细信息或症状来预测疾病并基于该数据产生可靠结果的方法

使用机器学习进行疾病预测 这个机器学习项目用于根据用户给出的症状来预测疾病。它使用三种不同的机器学习算法进行预测。因此，输出是准确的。它使用tkinter作为GUI。

使用机器学习从各种症状预测疾病-研究论文

准确及时地分析任何与健康相关的问题对于疾病的预防和治疗非常重要。 在严重疾病的情况下，传统的诊断方法可能是不够的。 开发基于机器学习 (ML) 算法的医学诊断系统来预测任何疾病，可以帮助实现比传统方法更准确的诊断。 我们设计了一个使用多种 ML 算法的疾病预测系统。 使用的数据集有 230 多种疾病需要处理。 基于个体的症状、年龄和性别，诊断系统给出个体可能患有的疾病的输出。 与其他算法相比，加权 KNN 算法给出了最好的结果。 加权 KNN 算法的预测准确率为 93.5%。 我们的诊断模型可以作为医生对疾病进行早期诊断，确保及时治疗，挽救生命。

在大数据上使用机器学习进行疾病预测-研究论文

由于生物医学和医疗保健领域的大数据进步，对医疗数据的准确研究有利于早期疾病识别、患者护理和社区服务。 当医学数据的质量不完整时，研究的准确性就会降低。 此外，不同地区表现出某些区域性疾病的独特表现，这可能会削弱疾病爆发的预测。 在所提出的系统中，它提供了机器学习算法，用于有效预测疾病频繁社会中各种疾病的发生。 它在收集的真实医院数据上试验改变的估计模型。 为了克服数据不完整的困难，它使用潜在因子模型来重建缺失的数据。 它对脑梗塞的区域性慢性病进行了实验。 使用来自医院的结构化和非结构化数据，它使用机器学习决策树算法和 Map Reduce 算法。 据我们在医疗大数据分析领域的知识，现有的工作都没有集中在这两种数据类型上。 与几种典型的估计算法相比，我们提出的算法的计算精度达到了94.8%，收敛速度比基于CNN的单峰疾病风险预测（CNN-UDRP）算法更快。

UCL糖尿病早期预测二分类数据集

糖尿病数据集

糖尿病预测Python

糖尿病预测Python

决策树数据集-数据集

KNN疾病预测算法Demo

该资源是利用KNN算法对数据进行分类，以excel文件作为输入，能够针对患者的病症，得出他是否患有该病（准确率在70%左右）。有兴趣的童鞋可以下载看看哦！

模型预测的利器——随机森林

Introduction Denition Random Forests grows many classication trees. To classify a new object from an input vector, put the input vector down each of the trees in the forest. Each tree gives a classication, and we say the tree "votes" for that class. The forest chooses the classication having the most votes (over all the trees in the forest)[Brieman 2001]

用于构造决策树的小数据集

数据挖掘概念与技术课本P218页数据表格式为.csv。。决策树一般采用贪心策略**自顶向下**递归的分治方式构造，从训练元组集和与之相关联的类标号开始，随着树的构建，训练集递归地划分成较小的子集。构造过程大致如下： 1. 构造**根结点**，根据**属性选择度量**（例如ID3的信息增益）来选择合适的属性作为根结点。 2. 根据根结点的属性值（可能是离散的，连续的或二值的）**分枝**，每个分枝代表元组在该属性下可能满足的条件。

cancer.csv癌症预测数据集

癌症预测数据集

stm32f103 KNN算法

电脑通过串口传给单片机手写图片，单片机接收成功后开始做KNN算法并且给出预测结果

大数据癌症疾病预测算法python版（含数据）

大数据癌症疾病预测算法python版（含数据），建议使用pycharm运行。

KNN算法的Matlab实现

用Matlab实现了KNN算法中最近邻元素的查找，算出的结果与Spss完全一致

stm32单片机knn算法手写数字识别

电脑通过串口传给单片机，单片机用KNN算法给出手写数字的预测结果，并且在液晶上显示

天池大赛瑞金医院糖尿病数据集合

天池大赛瑞金医院糖尿病数据集合.

decisiontree决策树在adult数据集上的实现

决策树代码实现，参考机器学习实战，数据集采用的是adult数据集，增加了数据清洗，该决策树是随机实现的，增加了过拟合的剪枝。

决策树随机森林天气预测数据集

该数据集用于决策树随机森林天气预测数据集，利用前一天和历史最高平均气温，实现气温预测的随机森林模型。

人工智能糖尿病数据集训练及测试

利用深度学习算法，对UCL机器学习数据库里的一个糖尿病数据集 进行训练学习并预测。主要利用了 python 的 sklearn 神经网络 MLPClassifie 函数包进行糖尿病数据集的训练与预测。内含训练算法MPL.py文件和糖尿病数据集diabetes.xlsx文件。

pima_data.csv印第安人糖尿病数据集

印第安人糖尿病数据集，《机器学习-python实践》随书资源，书中提到的网站上找不到了已经

基于机器学习对销量预测的研究

基于机器学习方法对销售预测的研究 ：销售预测是完善客户需求管理、指导运营、以提高企业利润为最终目的商业问题。 而预测的精确性是销售预测的核心痛点。

用KNN算法诊断乳腺癌

KNN算法PDF，包含讲解分析，以及算法代码和结果等。对运行结果和算法进行了详细分析讲解。

随机森林的代码实现和相应的数据集 （python代码）

本文件包括随机森林的代码实现和相应的数据集，以及详尽的中文注释，已调试通过。代码有两份，一份是在网上下载的，另一份是自己整理后编写的。编程环境为Python2.7。因为只是用来学习随机森林算法，所以在调参方法没下多少功夫，正确率可能不太高,当然数据集比较小也是一个原因。感兴趣的童鞋可以自己调整参数提高正确率。

随机森林python3实现代码(带数据集)

完全可编译通过，python3代码实现，不调库，纯手撸，带数据集。

机器学习 KNN 决策树

5个matlab代码 包括KNN Kmeans 回归学习 决策树 随机森林