摘要：近年來，糖尿病的發病率年年攀升，糖尿病引發的各種并發癥更是給患者帶來無盡的痛苦。因此，機器學習糖尿病數據，預測患者今后的發病趨勢，對糖尿病的預防治療有著重要的意義。

機器學習糖尿病數據分析，收集患者近五年的醫療記錄，匯聚成糖尿病數據集。本數據集包含了768組數據，確定引起糖尿病的八個可能因素：懷孕次數，血漿葡萄糖濃度，舒張壓，三頭肌皮褶厚度，2小時血清胰島素，體重指數，糖尿病譜系功能，年齡。本數據集擁有一個因變量，患病與否。

對糖尿病數據集，進行數據處理，包括完成數據清洗、數據分類、特征縮放等數據預處理。分別使用邏輯回歸，樸素貝葉斯和隨機森林創建學習模型，進行模型預測，評價機器學習結果。

繪制三種算法的準確率折線圖比較算法學習效果，在非隨機挑選驗證集的情況下，，邏輯回歸算法的準確率一直高于另外兩種算法，且當驗證集所占比例為5%時，該算法預測準確率達到92%。在隨機挑選驗證集的情況下，當驗證集所占比例為15%，20%，25%時，邏輯回歸算法準確率均高于其他算法，當驗證集占5%時，樸素貝葉斯算法相對比較好。

關鍵詞：機器學習  學習模型  模型預測  邏輯回歸  樸素貝葉斯  隨機森林

目錄

摘要

Abstract

1 緒論-1

1.1 課題研究背景及意義-1

1.2 課題研究現狀及趨勢-1

1.3 論文主要內容-2

2 數據預處理-4

2.1 數據集整理-4

2.2 標準庫及數據庫的導入-4

2.2.1 標準庫簡介-5

2.2.2 導入標準庫-5

2.2.3 導入數據集-5

2.3 訓練集、驗證集劃分-7

2.4 特征縮放-8

2.5 構建混淆矩陣-10

2.6 本章小結-10

3 機器學習分類算法部分-11

3.1 邏輯回歸算法-11

3.1.1 Sigmoid函數-11

3.1.2 邏輯回歸創建學習模型-11

3.2 樸素貝葉斯算法-12

3.2.1 貝葉斯定理-12

3.2.2 樸素貝葉斯分類器原理簡介-13

3.2.3 樸素貝葉斯創建學習模型-14

3.3 隨機森林算法-15

3.3.1 決策樹-15

3.3.2 隨機森林算法-16

3.3.3 隨機森林創建學習模型-17

3.4本章小結-18

4 機器學習效果對比分析-19

4.1 非隨機挑選驗證集-19

4.2 隨機挑選驗證集-22

5 總結-26

參考文獻-27

致謝-28

附錄一-29

附錄二-32