knn预测心脏病python

KNN（K-Nearest Neighbors）是一种简单的机器学习算法，可以用于预测心脏病。以下是一个使用Python实现KNN预测心脏病的示例代码：

# 导入必要的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 读取数据集
heart_data = pd.read_csv("heart.csv")

# 筛选出特征和标签列
X = heart_data.iloc[:, :-1].values
y = heart_data.iloc[:, -1].values

# 将数据集按照7:3的比例分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建KNN分类器
knn = KNeighborsClassifier(n_neighbors=5)

# 将训练集数据和标签用于训练KNN模型
knn.fit(X_train, y_train)

# 使用测试集数据预测结果
y_pred = knn.predict(X_test)

# 计算预测准确率
accuracy = accuracy_score(y_test, y_pred)

print("预测准确率：{:.2f}%".format(accuracy * 100))

在这个示例中，我们使用pandas库读取一个名为"heart.csv"的数据集，然后使用train_test_split函数将数据集按照7:3的比例分为训练集和测试集。接着，我们创建一个KNeighborsClassifier对象，使用训练集数据和标签训练KNN模型，并使用测试集数据预测结果。最后，我们使用accuracy_score函数计算预测准确率，并将结果打印出来。