1.4 MiB
1.4 MiB
In [1]:
import pandas as pd
df = pd.read_csv("..//static//csv//heart_2020_cleaned.csv")
print(df.columns)
display(df.head(10))
Сегментация пациентов по рискам сердечно-сосудистых заболеваний Цель: Определить группы пациентов с различными уровнями риска развития сердечно-сосудистых заболеваний на основе их демографических данных, образа жизни и состояния здоровья.
Пример:
Кластер 1: Пациенты с высоким риском (курение, высокий ИМТ, низкая физическая активность).
Кластер 2: Пациенты со средним риском (умеренное курение, средний ИМТ, средняя физическая активность).
Кластер 3: Пациенты с низким риском (отсутствие вредных привычек, нормальный ИМТ, высокая физическая активность).
Бизнес-применение:
Разработка персонализированных программ профилактики и лечения для каждой группы пациентов.
Таргетированная реклама медицинских услуг и продуктов для улучшения образа жизни.
In [11]:
import pandas as pd
## почистила данные чут чут
df = pd.read_csv("..//static//csv//heart_2020_cleaned.csv").head(1000)
global df_cleaned
df_cleaned = df.dropna()
In [12]:
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
df = df_cleaned
# кодирование категориальных переменных
global df_encoded
df_encoded = pd.get_dummies(df, columns=['Smoking', 'AlcoholDrinking', 'Stroke', 'DiffWalking', 'Sex', 'AgeCategory', 'Race', 'Diabetic', 'PhysicalActivity', 'GenHealth', 'Asthma', 'KidneyDisease', 'SkinCancer'], drop_first=True)
# числовые признаки для визуализации
numeric_features = ['BMI', 'PhysicalHealth', 'MentalHealth', 'SleepTime']
plt.figure(figsize=(16, 12))
# сравнение зависимости BMI и PhysicalHealth
plt.subplot(2, 2, 1)
sns.scatterplot(x=df_encoded['BMI'], y=df_encoded['PhysicalHealth'], alpha=0.6)
plt.title('BMI vs PhysicalHealth')
# сравнение зависимости MentalHealth и SleepTime
plt.subplot(2, 2, 2)
sns.scatterplot(x=df_encoded['MentalHealth'], y=df_encoded['SleepTime'], alpha=0.6)
plt.title('MentalHealth vs SleepTime')
# сравнение зависимости PhysicalHealth и SleepTime
plt.subplot(2, 2, 3)
sns.scatterplot(x=df_encoded['PhysicalHealth'], y=df_encoded['SleepTime'], alpha=0.6)
plt.title('PhysicalHealth vs SleepTime')
# сравнение зависимости BMI и MentalHealth
plt.subplot(2, 2, 4)
sns.scatterplot(x=df_encoded['BMI'], y=df_encoded['MentalHealth'], alpha=0.6)
plt.title('BMI vs MentalHealth')
plt.tight_layout()
plt.show()
In [13]:
## стандартизация
scaler = StandardScaler()
df_encoded[numeric_features] = scaler.fit_transform(df_encoded[numeric_features])
In [17]:
import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import AgglomerativeClustering
from scipy.cluster.hierarchy import dendrogram, linkage
import matplotlib.pyplot as plt
df = df_encoded
X = df.drop(columns=['HeartDisease'])
agg_clustering = AgglomerativeClustering(n_clusters=3)
clusters = agg_clustering.fit_predict(X)
df_encoded['Cluster'] = clusters
Z = linkage(X, 'ward')
plt.figure(figsize=(10, 7))
dendrogram(Z)
plt.title('Дендрограмма агломеративной кластеризации')
plt.xlabel('Объекты')
plt.ylabel('Расстояние')
plt.show()
print(df_encoded.head())
In [19]:
import matplotlib.pyplot as plt
import seaborn as sns
# Визуализация данных с учетом понимания их особенностей
plt.figure(figsize=(16, 12))
# Взаимодействие между BMI и PhysicalHealth
plt.subplot(2, 2, 1)
sns.scatterplot(x='BMI', y='PhysicalHealth', hue='HeartDisease', data=df)
plt.title('BMI vs PhysicalHealth')
# Взаимодействие между MentalHealth и SleepTime
plt.subplot(2, 2, 2)
sns.scatterplot(x='MentalHealth', y='SleepTime', hue='HeartDisease', data=df)
plt.title('MentalHealth vs SleepTime')
# Взаимодействие между PhysicalHealth и SleepTime
plt.subplot(2, 2, 3)
sns.scatterplot(x='PhysicalHealth', y='SleepTime', hue='HeartDisease', data=df)
plt.title('PhysicalHealth vs SleepTime')
# Сравнение зависимости BMI и MentalHealth
plt.subplot(2, 2, 4)
sns.scatterplot(x='BMI', y='MentalHealth', hue='HeartDisease', data=df)
plt.title('BMI vs MentalHealth')
plt.tight_layout()
plt.show()
In [20]:
# Визуализация данных без учета понимания их особенностей
plt.figure(figsize=(16, 12))
# Взаимодействие между BMI и PhysicalHealth
plt.subplot(2, 2, 1)
sns.scatterplot(x='BMI', y='PhysicalHealth', data=df)
plt.title('BMI vs PhysicalHealth')
# Взаимодействие между MentalHealth и SleepTime
plt.subplot(2, 2, 2)
sns.scatterplot(x='MentalHealth', y='SleepTime', data=df)
plt.title('MentalHealth vs SleepTime')
# Взаимодействие между PhysicalHealth и SleepTime
plt.subplot(2, 2, 3)
sns.scatterplot(x='PhysicalHealth', y='SleepTime', data=df)
plt.title('PhysicalHealth vs SleepTime')
# Сравнение зависимости BMI и MentalHealth
plt.subplot(2, 2, 4)
sns.scatterplot(x='BMI', y='MentalHealth', data=df)
plt.title('BMI vs MentalHealth')
plt.tight_layout()
plt.show()
In [22]:
from sklearn.cluster import AgglomerativeClustering
from scipy.cluster.hierarchy import dendrogram, linkage
import matplotlib.pyplot as plt
# Выбор признаков для кластеризации
X = df[['BMI', 'PhysicalHealth', 'MentalHealth', 'SleepTime']]
# Применение агломеративной кластеризации
agg_clustering = AgglomerativeClustering(n_clusters=3)
clusters = agg_clustering.fit_predict(X)
# Добавление результатов кластеризации в датасет
df['Cluster'] = clusters
# Визуализация дендрограммы
linked = linkage(X, 'ward')
plt.figure(figsize=(10, 7))
dendrogram(linked,
orientation='top',
distance_sort='descending',
show_leaf_counts=True)
plt.title('Dendrogram')
plt.show()
In [35]:
import pandas as pd
from sklearn.preprocessing import LabelEncoder
from scipy.cluster.hierarchy import linkage
from scipy.cluster import hierarchy
import matplotlib.pyplot as plt
# Загрузка данных
df = pd.read_csv("..//static//csv//heart_2020_cleaned.csv").head(15000)
# Инициализация LabelEncoder
label_encoders = {}
# Кодирование категориальных переменных
for column in df.select_dtypes(include=['object']).columns:
le = LabelEncoder()
df[column] = le.fit_transform(df[column])
label_encoders[column] = le
# Выбор признаков для кластеризации
X = df[['BMI', 'PhysicalHealth', 'MentalHealth', 'SleepTime']]
# Создание матрицы связей
linkage_matrix = linkage(X, method='ward')
# Применение иерархической кластеризации
result = hierarchy.fcluster(linkage_matrix, 10, criterion="distance")
# Преобразование меток кластеров
result = [0 if val == 1 else 1 if val == 3 else 2 for val in result]
# Визуализация результатов кластеризации и истинных меток
plt.figure(figsize=(16, 24))
# Визуализация кластеров на основе признаков 0 и 1
plt.subplot(4, 2, 1)
plt.scatter(X['BMI'], X['PhysicalHealth'], c=result, cmap='viridis')
plt.title('Clusters (BMI vs PhysicalHealth)')
# Визуализация истинных меток на основе признаков 0 и 1
plt.subplot(4, 2, 2)
plt.scatter(X['BMI'], X['PhysicalHealth'], c=df['HeartDisease'], cmap='viridis')
plt.title('True Labels (BMI vs PhysicalHealth)')
# Визуализация кластеров на основе признаков 2 и 3
plt.subplot(4, 2, 3)
plt.scatter(X['MentalHealth'], X['SleepTime'], c=result, cmap='viridis')
plt.title('Clusters (MentalHealth vs SleepTime)')
# Визуализация истинных меток на основе признаков 2 и 3
plt.subplot(4, 2, 4)
plt.scatter(X['MentalHealth'], X['SleepTime'], c=df['HeartDisease'], cmap='viridis')
plt.title('True Labels (MentalHealth vs SleepTime)')
# Визуализация кластеров на основе признаков 0 и 2
plt.subplot(4, 2, 5)
plt.scatter(X['BMI'], X['MentalHealth'], c=result, cmap='viridis')
plt.title('Clusters (BMI vs MentalHealth)')
# Визуализация истинных меток на основе признаков 0 и 2
plt.subplot(4, 2, 6)
plt.scatter(X['BMI'], X['MentalHealth'], c=df['HeartDisease'], cmap='viridis')
plt.title('True Labels (BMI vs MentalHealth)')
# Визуализация кластеров на основе признаков 1 и 3
plt.subplot(4, 2, 7)
plt.scatter(X['PhysicalHealth'], X['SleepTime'], c=result, cmap='viridis')
plt.title('Clusters (PhysicalHealth vs SleepTime)')
# Визуализация истинных меток на основе признаков 1 и 3
plt.subplot(4, 2, 8)
plt.scatter(X['PhysicalHealth'], X['SleepTime'], c=df['HeartDisease'], cmap='viridis')
plt.title('True Labels (PhysicalHealth vs SleepTime)')
plt.tight_layout()
plt.show()
