数据挖掘作业代写 Kaggle心脏病分类预测

Kaggle心脏病分类预测

数据挖掘作业代写心脏病是人类健康的头号杀手。全世界1/3的人口死亡是心脏病引起的。而我国，每年有几十万人死于心脏病。如果可以通过提取人体相关的体测指标，通过数据挖掘方式来分析不同特征对于心脏病的影响，将对预防心脏病起到至关重要的作用。

心脏病是人类健康的头号杀手。全世界1/3的人口死亡是心脏病引起的。而我国，每年有几十万人死于心脏病。如果可以通过提取人体相关的体测指标，通过数据挖掘方式来分析不同特征对于心脏病的影响，将对预防心脏病起到至关重要的作用。

包含了303条美国某区域的心脏病检查患者的体测数据。具体字段如下表。

age 用年数表示的年龄 sex- 性别枚举(1 = 男性； 0 = 女性)

cp：胸部疼痛的类型 (值为 ‘1’：典型的心绞痛值为 ‘2’：非典型的心绞痛值为 ‘3’：非心绞痛的疼痛)

trestbpss：静息血压 (准许入院的毫米汞柱（mm Hg）)

chol：以mg/dl为单位的血清类固醇

fbs： (空腹血糖 > 120 mg/dl) (1 = 是； 0 = 否)

restecg：静息心电图结果 (值为 0：正常值为 1：有ST-T波异常 (T波倒置和/或ST段抬高或压低＞0.05 mV) 值为 2：显示该标准下可能或明确的的左心室肥厚)

thalach ：达到的最大心率

exang ：是否运动诱发的心绞痛 (1 = 是； 0 = 否)

oldpeak ：由与相对休息有明显差异的运动诱导的ST段压低

slope ：运动高峰期的ST段斜率 (值为 1：上斜值为 2：水平)

ca ：被透视荧光检查（flourosopy）标注颜色的大血管的数量 (0-3)

thal ： 3 = 正常； 6 = 固有缺陷； 7 = 可修复缺陷

num ：心脏病的诊断 (冠状动脉疾病状态)

status:值为 0： < 50% 直径缩小 (意味着’没有疾病’) 值为 1： > 50% 直径缩小 (意味着’出现了疾病’)

根据提供的数据进行数据预处理、可视化分析和特征挖掘，建模和预测不做要求（可根据自身能力考虑是否完成，如能完成并在课堂展示中较好的解释清楚逻辑和算法，成绩有加分）
于12月25日前把ppt和python文件提交给老师的邮箱(chenpei114@hotmail.com)
12月28日课上分小组介绍自己的案例及方案
可参考网上其他人的方案和pythoncoding（百度搜索Kaggle 心脏病分类预测或者Kaggle网页上的参与竞赛者方案sharing），如在执行python coding方面遇到问题，可以咨询老师，尽量先自行百度处理简单问题，如缺少必要库需要先安装、拼写错误等简单问题

Kaggle 心脏病分类预测数据分析案例 (逻辑回归,KNN,决策树,随机森林…)