【ML】基于机器学习的心脏病预测研究(附代码和数据集，逻辑回归模型)

心脏病是人类健康的头号杀手， 全球大约1/3的人口死亡是由心脏病引起的。而我国，每年大概有几十万人口死于心脏病。如果我们可以通过提取人体相关的指标（既往病史、家族病史、血压情况、血糖情况等等），通过数据挖掘方式来分析不同特征对于心脏病的影响，或者建立电子病历，收集数据集并建预测模型，将对预防心脏病起到至关重要的作用。

本项目基于数据分析、数据挖掘，根据疾病的特征预测是否患有心脏病。

1. 项目介绍

这是一个基于机器学习的二分类任务，根据给定“患者”的某些属性信息，预测是否患有心脏病。本项目使用的数据来源于UCI机器学习库。

UCI机器学习库中，一共包含4个关于心脏病诊断的数据集，分别是：

1、cleveland.data

2、hungarian.data

3、long-beach-va.data

4、switzerland.data

每个数据集都包含76个属性，但是所有已发布的实验都只使用了其中14个属性。其中，cleveland.data是机器学习研究人员最常使用的数据集。

2. 数据获取

2.1 获取方式1

UCI网站获取：

https://archive.ics.uci.edu/ml/datasets/heart+disease

2.2 获取方式2

kaggle网站获取ÿ