摘要：近年来，糖尿病的发病率年年攀升，糖尿病引发的各种并发症更是给患者带来无尽的痛苦。因此，机器学习糖尿病数据，预测患者今后的发病趋势，对糖尿病的预防治疗有着重要的意义。

机器学习糖尿病数据分析，收集患者近五年的医疗记录，汇聚成糖尿病数据集。本数据集包含了768组数据，确定引起糖尿病的八个可能因素：怀孕次数，血浆葡萄糖浓度，舒张压，三头肌皮褶厚度，2小时血清胰岛素，体重指数，糖尿病谱系功能，年龄。本数据集拥有一个因变量，患病与否。

对糖尿病数据集，进行数据处理，包括完成数据清洗、数据分类、特征缩放等数据预处理。分别使用逻辑回归，朴素贝叶斯和随机森林创建学习模型，进行模型预测，评价机器学习结果。

绘制三种算法的准确率折线图比较算法学习效果，在非随机挑选验证集的情况下，，逻辑回归算法的准确率一直高于另外两种算法，且当验证集所占比例为5%时，该算法预测准确率达到92%。在随机挑选验证集的情况下，当验证集所占比例为15%，20%，25%时，逻辑回归算法准确率均高于其他算法，当验证集占5%时，朴素贝叶斯算法相对比较好。

关键词：机器学习  学习模型  模型预测  逻辑回归  朴素贝叶斯  随机森林

目录

摘要

Abstract

1 绪论-1

1.1 课题研究背景及意义-1

1.2 课题研究现状及趋势-1

1.3 论文主要内容-2

2 数据预处理-4

2.1 数据集整理-4

2.2 标准库及数据库的导入-4

2.2.1 标准库简介-5

2.2.2 导入标准库-5

2.2.3 导入数据集-5

2.3 训练集、验证集划分-7

2.4 特征缩放-8

2.5 构建混淆矩阵-10

2.6 本章小结-10

3 机器学习分类算法部分-11

3.1 逻辑回归算法-11

3.1.1 Sigmoid函数-11

3.1.2 逻辑回归创建学习模型-11

3.2 朴素贝叶斯算法-12

3.2.1 贝叶斯定理-12

3.2.2 朴素贝叶斯分类器原理简介-13

3.2.3 朴素贝叶斯创建学习模型-14

3.3 随机森林算法-15

3.3.1 决策树-15

3.3.2 随机森林算法-16

3.3.3 随机森林创建学习模型-17

3.4本章小结-18

4 机器学习效果对比分析-19

4.1 非随机挑选验证集-19

4.2 随机挑选验证集-22

5 总结-26

参考文献-27

致谢-28

附录一-29

附录二-32