冠心病 神经网络代码
时间: 2023-07-08 16:06:18 浏览: 38
以下是一个简单的神经网络代码,用于冠心病的分类:
```python
import pandas as pd
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
# 读取数据集
data = pd.read_csv('heart_disease.csv')
# 数据预处理
x = np.array(data.iloc[:, :-1])
y = np.array(data.iloc[:, -1])
# 构建模型
model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# 训练模型
model.fit(x, y, epochs=150, batch_size=10)
# 评估模型
_, accuracy = model.evaluate(x, y)
print('Accuracy: %.2f' % (accuracy*100))
```
这里使用了一个包含8个特征的冠心病数据集。模型包含3个层,第一层和第二层均为具有ReLU激活函数的全连接层,最后一层为具有Sigmoid激活函数的输出层。模型使用二元交叉熵损失函数进行编译,并使用Adam优化器进行训练。最后,我们对模型进行了评估,得出了其准确率。