心脏病预测

数据挖掘流程

数据集

心脏病预测

1. 进入Designer页面。

   1. 登录PAI控制台。

   2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应的工作空间。

   3. 在工作空间页面的左侧导航栏选择模型开发与训练 > 可视化建模（Designer），进入Designer页面。

2. 构建工作流。

   1. 在Designer页面，单击预置模板页签。

   2. 在模板列表的心脏病预测案例区域，单击创建。

   3. 在新建工作流对话框，配置参数（可以全部使用默认参数）。

      其中：工作流数据存储配置为OSS Bucket路径，用于存储工作流运行中产出的临时数据和模型。

   4. 单击确定。

      您需要等待大约十秒钟，工作流可以创建成功。

   5. 在工作流列表，选择心脏病预测案例工作流，单击进入工作流。

   6. 系统根据预置的模板，自动构建工作流，如下图所示。

      

      区域	描述
      ①	数据预处理，主要对数据进行去噪、缺失值填充及类型变换操作。因为每个样本只会患病或健康，所以心脏病预测可以归属于分类问题。本工作流的输入数据包括14个特征列和1个目标列，在数据预处理过程中，需要根据每个字段的含义将字符类型转化为数值类型。其中： 二值类数据：以sex字段为例，其取值为female或male，可以使用0表示female，1表示male。 多值类数据：以cp字段为例，该参数表示胸部疼痛感，可以将疼痛感由轻到重依次映射为0～3的数值。 数据预处理的SQL脚本示例如下。 select age, (case sex when 'male' then 1 else 0 end) as sex, (case cp when 'angina' then 0 when 'notang' then 1 else 2 end) as cp, trestbps, chol, (case fbs when 'true' then 1 else 0 end) as fbs, (case restecg when 'norm' then 0 when 'abn' then 1 else 2 end) as restecg, thalach, (case exang when 'true' then 1 else 0 end) as exang, oldpeak, (case slop when 'up' then 0 when 'flat' then 1 else 2 end) as slop, ca, (case thal when 'norm' then 0 when 'fix' then 1 else 2 end) as thal, (case status when 'sick' then 1 else 0 end) as ifHealth from ${t1};
      ②	特征工程主要包括特征的衍生及尺度变化等功能。本工作流首先通过类型转换组件将输入特征转换为DOUBLE类型（因为逻辑回归模型的输入数据必须为DOUBLE类型），然后使用过滤式特征选择组件判断每个特征对于结果的影响（通过信息熵和基尼系数反映其影响）。同时，使用归一化组件将每个特征的数值范围转换为0~1，从而去除量纲对结果的影响，其公式为result=(val-min)/(max-min)。
      ③	模型训练和预测： 使用拆分组件将数据集按照7:3分为训练数据集和预测数据集。 使用逻辑回归二分类组件训练模型。 说明 如果您需要导出PMML模型文件，在该组件的字段设置页签，需要选中是否生成PMML复选框。然后单击空白画布，在该工作流页面的工作流属性页签，配置工作流数据存储路径。 将模型和预测数据集输入至预测组件，进行结果预测。
      ④	使用混淆矩阵和二分类评估组件进行模型评估。

3. 运行工作流并查看输出结果。

   1. 单击画布上方的。

   2. 工作流运行结束后，右键单击画布中的逻辑回归二分类，在快捷菜单，单击模型选项 > 导出PMML，即可导出训练完成的心脏病预测模型。

   3. 右键单击画布中的预测，在快捷菜单，单击查看数据 > 预测结果输出，即可查看模型预测结果。

4. 查看模型效果。

   1. 右键单击画布中的二分类评估，在快捷菜单，单击可视化分析。

   2. 在二分类评估对话框，单击指标数据页签，即可查看模型评估指标数据。

      其中AUC值表示该工作流模型的预测准确率达到了90%以上。

   3. 右键单击画布中的混淆矩阵，在快捷菜单，单击可视化分析。

   4. 在混淆矩阵对话框，单击统计信息页签，即可查看模型准确率等信息。