用python编写决策树算法实现心脏病预测
时间: 2023-07-20 15:08:57 浏览: 67
好的,下面是用Python编写的决策树算法实现心脏病预测的示例代码:
```python
# 导入必要的库
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据集
data = pd.read_csv('heart.csv')
# 划分特征和标签
X = data.iloc[:, :-1]
y = data.iloc[:, -1]
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定义决策树模型
dtc = DecisionTreeClassifier()
# 训练模型
dtc.fit(X_train, y_train)
# 预测测试集
y_pred = dtc.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('决策树模型的准确率为:', accuracy)
```
在此代码中,我们使用了Pandas库来读取我们的数据集,并使用sklearn库中的`DecisionTreeClassifier`类来定义我们的决策树模型。我们还使用了`train_test_split`函数来划分训练集和测试集,并使用`accuracy_score`函数来计算我们模型的准确率。最后,我们输出了模型的准确率。
需要注意的是,这里的数据集是来自Kaggle平台上的一个心脏病数据集,你可以在Kaggle上搜索"heart disease UCI"来下载该数据集。