【Coggle 】糖尿病遗传风险检测挑战赛

---

活动背景

Coggle 组织了一次竞赛训练营活动，希望能够帮助大家入门数据竞赛。糖尿病遗传风险检测挑战赛为其中的一个挑战项目，如下为本次参赛的打卡内容。

---

一、赛题介绍

在这次比赛中，您需要通过训练数据集构建糖尿病遗传风险预测模型，然后预测出测试数据集中个体是否患有糖尿病，和我们一起帮助糖尿病患者解决这“甜蜜的烦恼”。对于测试数据集当中的个体，您必须预测其是否患有糖尿病（患有糖尿病：1，未患有糖尿病：0），预测值只能是整数1或者0。

训练集（比赛训练集.csv）一共有5070条数据，用于构建您的预测模型（您可能需要先进行数据分析）。数据的字段有编号、性别、出生年份、体重指数、糖尿病家族史、舒张压、口服耐糖量测试、胰岛素释放实验、肱三头肌皮褶厚度、患有糖尿病标识（最后一列），您也可以通过特征工程技术构建新的特征。

测试集（比赛测试集.csv）一共有1000条数据，用于验证预测模型的性能。数据的字段有编号、性别、出生年份、体重指数、糖尿病家族史、舒张压、口服耐糖量测试、胰岛素释放实验、肱三头肌皮褶厚度。

二、打卡任务

任务1：报名比赛

步骤1：报名比赛

报名地址：http://challenge.xfyun.cn/topic/info?type=diabetes&ch=ds22-dw-zmt05

步骤2：下载比赛数据（点击比赛页面的赛题数据）

步骤3：解压比赛数据，并使用pandas进行读取；

步骤4：查看训练集和测试集字段类型，并将数据读取代码写到博客；

import pandas as pd

train_df = pd.read_csv('./糖尿病遗传风险预测挑战赛公开数据/比赛训练集.csv', encoding='gbk')
test_df = pd.read_csv('./糖尿病遗传风险预测挑战赛公开数据/比赛测试集.csv', encoding='gbk')

print(train_df.shape, test_df.shape)
print(train_df.dtypes, test_df.dtypes)

数据结果：