---

可下载资源

---

作者

传统的预测方法往往依赖于医生的经验和患者的病史、体征等，虽然有一定的准确性，但难免存在主观性和局限性。而机器学习则能够通过大量的数据学习和分析，发现隐藏在数据中的规律和模式，从而更准确地预测疾病的发生。

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。

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。

ggplot(heartDiseaseData,aes(t...

女性心脏病的发病率高于男性

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)) + ...

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

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

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), ...

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), ...

大多数患有心脏病的人胸痛类型为1或2。

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

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)) + ...

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"))

具有最高斜率2的人患心脏病的可能性更高

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

具有固定缺陷地中海贫血的人患心脏病的可能性更高

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

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。

Rlog <- glm(...

显著特征的总结

Rd <- heartDiseaseDa...

逻辑回归

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

Rlog.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。

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

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

Rdata <- 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)

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

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)

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

混淆矩阵

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

随机森林

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

变量重要性

varImp(gbm.ada.1)

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

混淆矩阵

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

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

varImp(gbm.ada.1)

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

神经网络

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

gbm.ada.1

变量重要性

varImp(gbm.ada.1)

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

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")