机器学习在儿童医疗保健中预测腺病毒疾病

机器学习是人工智能的一个分支，它帮助计算机从过去的数据中学习。它使用不同的算法来构建数学模型并利用先前的数据进行预测。机器学习用于诸如疾病预测、语音识别、电子邮件过滤、推荐系统等任务。

使用机器学习模型预测疾病是一项重要任务，有助于通过其诊断和预防措施来促进医疗保健。不同的机器学习算法分析患者数据，以识别可以预测疾病及其状况的模式。

在本文中，我们将学习使用机器学习算法进行儿童医疗腺病毒疾病的预测。它将利用以往的数据，帮助人们检测和预防腺病毒疾病。该模型的一个显著特点是，当个体输入其生物学参数时，它能够准确识别腺病毒感染，从而可能减少对医院进行物理检查的需求。这在医生不易获得的农村地区尤为重要。

什么是腺病毒疾病？

腺病毒，即DNA病毒，引起呼吸道感染、胃肠道或结膜感染。腺病毒是由腺病毒引起的一组感染，可以感染人类。腺病毒大致分为 50 种不同类型，每种类型都可能引起一组独特的症状。腺病毒感染在幼儿中最常见，但任何人都有可能发生。

腺病毒感染的症状包括：

• 发烧
• 肺炎
• 呼吸问题
• 干咳
• 喉咙痛
• 膀胱感染

腺病毒疾病预测数据集

该数据集包含5434个样本和八个不同的参数。其中，4484个样本为感染，950个样本为健康。我们将对给定的数据集训练各种机器学习算法。

腺病毒疾病预测

为了使用不同的机器学习算法预测腺病毒疾病，我们需要执行以下不同的步骤：

步骤 1. 导入所需的库和数据集。

代码

输出

说明

我们安装了pandas、numpy 和 sklearn 等库，用于数据帧和机器学习模型，以及matplotlib 和 seaborn 用于数据可视化。然后，我们加载了我们的数据集并将其存储在数据帧中。

第二步：数据预处理

此步骤包括数据清理、了解数据集的结构等等。

首先，我们将检查数据集中是否存在任何空值。info() 方法将显示数据集的基本结构。

代码

输出

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5434 entries, 0 to 5433
Data columns (total 9 columns):
 #   Column                  Non-Null Count  Dtype 
---  ------                  --------------  ----- 
 0   Breathing Problem       5434 non-null   object
 1   Pink Eye                5434 non-null   object
 2   Pneumonia               5434 non-null   object
 3   Fever                   5434 non-null   object
 4   Acute Gastroenteritis   5434 non-null   object
 5   Dry Cough               5434 non-null   object
 6   Sore throat             5434 non-null   object
 7   Bladder Infection       5434 non-null   object
 8   Adenoviruses            5434 non-null   object
dtypes: object(9)
memory usage: 382.2+ KB

说明

info() 函数用于获取基本结构，以检查数据集中是否存在空值。

现在，我们将使用 describe 函数检查数据集的描述性统计视图。

代码

输出

说明

describe() 方法提供了数据集的描述性统计视图。它提供了计数、唯一值、顶部值和频率信息。

步骤 3：数据操作

数据操作涉及将数据集转换为机器学习算法分析所需的合适参数。它包括缩放、编码、归一化和降维。这有助于提高数据质量和模型性能。

代码

输出

说明

我们导入了LabelEncoder 来转换数据集。它对数据集进行了缩放，以便机器学习模型更容易分析和理解。

步骤 4：计算相关性

在此步骤中，我们将使用 corr() 方法计算特征之间的相关性。

代码

输出

说明

我们打印了不同特征之间的相关性，这描述了一个特征与另一个特征的关系。

步骤 5：拆分数据集

我们将使用 sklearn 库的 train_test_split 模块将数据集拆分为训练数据和测试数据。

代码

说明

我们从 sklearn 库导入了不同的模型，包括用于拆分数据集的train_test_split，用于构建混淆矩阵的 metrics，以及用于获取准确率的 accuracy_score。

步骤 6：模型构建

我们将使用不同的算法构建我们的腺病毒疾病预测模型，并选择准确率最高的最佳模型。

1. 逻辑回归

代码

输出

92.5353485861814

说明

我们将逻辑回归作为第一个模型，其准确率为 92%。

2. 随机森林回归器

代码

输出

68.89109966539078

说明

我们将随机森林回归器作为第二个模型，其准确率为 68%。

3. K-近邻分类器

代码

输出

92.91628534826306

说明

我们将 KNeighbours Classifier 作为第三个模型，其准确率为 92%。

4. 支持向量机 (SVM)

代码

输出

90.93532382704692

说明

我们将支持向量机作为第四个模型，其准确率为 90%。

5. 决策树分类器

代码

输出

93.56325158663642

说明

我们将决策树分类器作为第五个模型，其准确率为 93%。

步骤 6：模型准确率

代码

输出

                          Model      Score
4                 Decision Tree  93.56325158663642
2                           KNN  92.91628534826306
0           Logistic Regression  92.5353485861814
3       Support Vector Machines  90.93532382704692
1                 Random Forest  68.89109966539078

说明

我们按升序打印了每个模型的准确率。

步骤 7：模型准确率分析

我们将数据集分为训练数据（80%）和测试数据（20%）。然后，我们应用了不同的机器学习模型并检查了它们的准确率。我们发现决策树分类器的准确率为 93%。KNN 的准确率为 92.9%。逻辑回归的准确率为 92.5%。支持向量机的准确率为 90%，随机森林的准确率为 68%。

在所有模型中，决策树的准确率最高。它比所有其他算法都更有效。

步骤 8：预测腺病毒疾病

我们发现决策树是最有效的机器学习模型。因此，我们使用决策树来预测儿童医疗的腺病毒疾病。

测试用例 1

输出

The Patient is Adenovirus Positive(+ve)

测试用例 2

输出

The Patient is Adenovirus Negative(-ve)