数据挖掘心脏病预测代码

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：

# 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。