1.数据集来源
需要自己注册一个Kaggle账号才能获取：Pima Indians Diabetes Database | Kaggle
或者从我的百度网盘中获取：
链接：/s/11HAgMGGHXIUZPZJTPUAKkA
提取码：wjjd
2.数据分析
从csv文件中可以看到，最后一列是“是否患病”，前边几列都是影响是否患病的因素。在进行深度学习模型搭建之前，需要进行数据预处理工作，这是非常必要的。
3.代码
本文基于Pytorch框架编程。作者自认为有难度的代码部分都进行了注释，读者可以自行参考。由于作者本人也是一名新手，欢迎大家随时来访，共同交流学习。
import torchimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport torch.nn.functional as Fdoc = pd.read_csv('G:/diabetes.csv') # 读取数据集信息，改成自己的csv文件所在的目录，不能有中文# print(doc.head())# 显示导入的数据前5行 此处必须加print 否则不显示不报错print(doc.shape[0], doc.shape[1]) # 查看数据集行数和列数 大小为768*9# 查看是否有空缺值 两种方法 发现没有# print(doc.isnull().sum())# print(doc.isna().sum())# 分别检查数据中有存在零的情况 （怀孕次数不需要检查）如下：print("Glucose=0: ", doc[doc.Glucose == 0].shape[0]) # 血糖有5例为零，不符合实际情况print("BloodPressure=0:", doc[doc.BloodPressure == 0].shape[0])# 血压有35例为零print("SkinThickness=0:", doc[doc.SkinThickness == 0].shape[0])# 皮肤厚度有227例为零print("Insulin=0:", doc[doc.Insulin == 0].shape[0]) # 胰岛素有374例为零print("BMI=0:", doc[doc.BMI == 0].shape[0])# BMI有11例为零print("DiabetesPedigreeFunction=0:", doc[doc.DiabetesPedigreeFunction == 0].shape[0]) # 糖尿病谱系功能无异常print("Age=0:", doc[doc.Age == 0].shape[0])# 年龄无异常# 处理无效值# 删除 Glucose 和 BMI 中无效的行doc_next = doc[(doc.Glucose != 0) & (doc.BMI !=0)]print(doc_next.shape) # 此时数据大小变为 752*9# 对于确实量大的用平均值填充def mean_column(feature):temp = doc_next[doc_next[feature] != 0]temp = temp[[feature, 'Outcome']].groupby(['Outcome'])[[feature]].mean().reset_index() # 重置索引return tempprint(mean_column('BloodPressure'))# 血压数据填充doc_next.loc[(doc_next['Outcome'] == 0) & (doc_next['BloodPressure'] == 0), 'BloodPressure'] = \mean_column('BloodPressure')['BloodPressure'][0]doc_next.loc[(doc_next['Outcome'] == 1) & (doc_next['BloodPressure'] == 0), 'BloodPressure'] = \mean_column('BloodPressure')['BloodPressure'][1]# 皮肤厚度数据填充doc_next.loc[(doc_next['Outcome'] == 0) & (doc_next['SkinThickness'] == 0), 'SkinThickness'] = \mean_column('SkinThickness')['SkinThickness'][0]doc_next.loc[(doc_next['Outcome'] == 1) & (doc_next['SkinThickness'] == 0), 'SkinThickness'] = \mean_column('SkinThickness')['SkinThickness'][1]# 胰岛素数据填充doc_next.loc[(doc_next['Outcome'] == 0) & (doc_next['Insulin'] == 0), 'Insulin'] = \mean_column('Insulin')['Insulin'][0]doc_next.loc[(doc_next['Outcome'] == 1) & (doc_next['Insulin'] == 0), 'Insulin'] = \mean_column('Insulin')['Insulin'][1]# 检验是否还有零值"""print("Glucose=0: ", doc_next[doc_next.Glucose == 0].shape[0]) # 血糖有5例为零，不符合实际情况print("BloodPressure=0:", doc_next[doc_next.BloodPressure == 0].shape[0])# 血压有35例为零print("SkinThickness=0:", doc_next[doc_next.SkinThickness == 0].shape[0])# 皮肤厚度有227例为零print("Insulin=0:", doc_next[doc_next.Insulin == 0].shape[0]) # 胰岛素有374例为零print("BMI=0:", doc_next[doc_next.BMI == 0].shape[0])# BMI有11例为零print("DiabetesPedigreeFunction=0:", doc_next[doc_next.DiabetesPedigreeFunction == 0].shape[0]) # 糖尿病谱系功能无异常print("Age=0:", doc_next[doc_next.Age == 0].shape[0])# 年龄无异常"""# 全部列显示出来# pd.set_option('display.max_columns', 10)# print(doc_next.head(10))# 特征选取inputs, outputs = doc_next.iloc[:, 0:8], doc_next.iloc[:, 8]# 归一化# 输入归一化inputs_mean = inputs.mean()inputs_std = inputs.std()inputs = (inputs - inputs_mean) / inputs_std# print(inputs.shape, outputs.shape)# training set and testing setin_train = inputs.iloc[0:602, :]in_train = in_train.values # 想转为tensor类型，得把数值提取出来in_train = torch.tensor(in_train).to(torch.float32) # 将DataFrame类型转换为Tensor类型，然后再转为float32类型，否则无法输入到网络中out_train = outputs.iloc[0:602]out_train = out_train.valuesout_train = torch.tensor(out_train).to(torch.float32).reshape(602, 1)in_test = inputs.iloc[602:, :]in_test = in_test.valuesin_test = torch.tensor(in_test).to(torch.float32)out_test = outputs.iloc[602:]out_test = out_test.valuesout_test = torch.tensor(out_test).to(torch.float32)# print(in_test.shape, out_test.shape)# 定义网络class Net(torch.nn.Module):def __init__(self):super(Net, self).__init__()self.linear1 = torch.nn.Linear(8, 72)self.linear2 = torch.nn.Linear(72, 64)self.linear3 = torch.nn.Linear(64, 1)def forward(self, x):x = F.relu(self.linear1(x))x = F.relu(self.linear2(x))x = F.relu(self.linear3(x))return xmodel = Net()# 定于损失函数和优化器criterion = torch.nn.MSELoss(size_average=None)optimizer = torch.optim.SGD(model.parameters(), lr=0.1)loss_store = [] # 用于存储每一步的loss值，用于之后的plt绘制iter = [] # 每执行一步，iter都会加一，否则如果在plt.plot()中直接用epoch或者len(str(loss_store)会出现维度不匹配def train():acc = 0for epoch in range(1001):iter.append(epoch)# iter空间加一out_pred = model(in_train)# 将training set输入到网络中，得到输出的predication# print(out_pred)loss = criterion(out_pred, out_train) # 计算损失（目标真实值和预测值）# print(epoch, loss.item())optimizer.zero_grad() # 梯度清零loss.backward() # 反向传播optimizer.step() # 梯度更新loss_store.append(loss.item()) # 存储loss值if epoch % 10 == 0:out_pred_lable = torch.where(out_pred >= 0.5, torch.tensor([1.0]), torch.tensor([0.0])) # condition (bool型张量) ：当condition为真，返回x的值，否则返回y的值# print(out_train)acc = torch.eq(out_pred_lable, out_train.reshape(602, 1)).sum().item()print(epoch, loss.item(), 'accuracy: ', 100 * acc / len(in_train))plt.plot(iter, loss_store)plt.xlabel('epoch')plt.ylabel('Loss')plt.grid()# 显示网格plt.show()# 这一步必须加，没有就不会出图def test():acc = 0# 测试无需计算梯度with torch.no_grad():out_test_pre = model(in_test)print(out_test_pre.shape)# predicted = out_test_pre.argmax(dim=0, keepdim=True)# print(predicted)out_pred_test_lable = torch.where(out_test_pre >= 0.5, torch.tensor([1.0]), torch.tensor([0.0]))acc = torch.eq(out_pred_test_lable, out_test.reshape(150, 1)).sum().item()print('accuracy: ', 100*acc/len(in_test))if __name__ == '__main__':train()# test()
4.代码运行结果
（1）Loss损失函数曲线
（2）损失函数和准确率展示
深度学习零基础实践（多层神经网络）--Pima印第安人糖尿病数据分析（Pima Indians Diabetes Analysis）
