### 南非心脏病数据集适用的机器学习模型 南非心脏病数据集是一个二分类问题，目标是预测患者是否患有心肌梗死或冠心病(chd)。该数据集包含多个连续型和离散型特征，如收缩压(sbp)、吸烟的总公斤数（烟草）、肥胖、酒精、ldl（固醇）和年龄，以及一个二元因子变量（famhist）。以下是一些适合处理该数据集的机器学习模型： #### 1. 逻辑回归 逻辑回归是一种经典的二分类模型，适用于线性可分的数据集。由于南非心脏病数据集中的特征与目标变量可能存在线性关系，因此逻辑回归是一个很好的起点。此外，逻辑回归可以提供特征的重要性分析，帮助理解哪些因素对心脏病的发生影响最大[^3]。 ```python from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 假设X为特征矩阵，y为目标变量 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) model = LogisticRegression() model.fit(X_train, y_train) y_pred = model.predict(X_test) print("Accuracy:", accuracy_score(y_test, y_pred)) ``` #### 2. 支持向量机 (SVM) 支持向量机是一种强大的分类算法，尤其在高维空间中表现良好。通过选择适当的核函数（如线性核、RBF核），SVM可以捕捉到特征与目标变量之间的复杂非线性关系[^4]。 ```python from sklearn.svm import SVC model = SVC(kernel='rbf', probability=True) model.fit(X_train, y_train) y_pred = model.predict(X_test) print("Accuracy:", accuracy_score(y_test, y_pred)) ``` #### 3. 随机森林 随机森林是一种基于决策树的集成学习方法，能够有效处理非线性关系和特征交互。它还具有较强的鲁棒性，对噪声和异常值不敏感，适合用于南非心脏病数据集这样的中小型数据集[^5]。 ```python from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier(n_estimators=100, random_state=42) model.fit(X_train, y_train) y_pred = model.predict(X_test) print("Accuracy:", accuracy_score(y_test, y_pred)) ``` #### 4. 梯度提升决策树 (GBDT) 梯度提升决策树是一种高效的集成学习方法，能够通过逐步优化损失函数来提高模型性能。常见的实现包括XGBoost、LightGBM和CatBoost。这些工具在处理结构化数据时表现出色，且支持特征重要性分析[^6]。 ```python import xgboost as xgb model = xgb.XGBClassifier(use_label_encoder=False, eval_metric='logloss') model.fit(X_train, y_train) y_pred = model.predict(X_test) print("Accuracy:", accuracy_score(y_test, y_pred)) ``` #### 5. 神经网络 对于更复杂的非线性关系，神经网络可能是一个更好的选择。通过设计多层感知器（MLP）模型，可以捕捉到特征之间的深层次交互。然而，由于南非心脏病数据集规模较小，需要特别注意过拟合问题[^7]。 ```python from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense model = Sequential([ Dense(16, activation='relu', input_shape=(X_train.shape[1],)), Dense(8, activation='relu'), Dense(1, activation='sigmoid') ]) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) model.fit(X_train, y_train, epochs=50, batch_size=32, validation_split=0.2) y_pred = (model.predict(X_test) > 0.5).astype(int) print("Accuracy:", accuracy_score(y_test, y_pred)) ``` ###