数据挖掘心脏病预测代码
时间: 2023-09-25 08:16:11 浏览: 92
基于 Python用随机森林进行心脏病分类预测(数据挖掘作业)
5星 · 资源好评率100%
以下是用Python实现的数据挖掘心脏病预测代码,使用了sklearn库中的逻辑回归算法:
```python
# 导入必要的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
# 加载数据
data = pd.read_csv('heart.csv')
# 将数据分为训练集和测试集
X = data.drop('target', axis=1)
y = data['target']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练模型
model = LogisticRegression()
model.fit(X_train, y_train)
# 预测测试集
y_pred = model.predict(X_test)
# 计算模型精度
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)
```
其中,heart.csv是包含心脏病数据的CSV文件,包含多个特征和目标列。代码将数据分为训练集和测试集,然后使用逻辑回归算法训练模型,并对测试集进行预测。最后,通过计算准确率来评估模型的性能。
阅读全文