【项目实战】Python实现深度神经网络RNN-LSTM分类模型(医学疾病诊断)

说明：这是一个机器学习实战项目（附带数据+代码+视频+文档），如需数据+完整代码可以直接到文章最后获取。

1.项目背景

随着互联网+的不断深入，我们已步入人工智能时代，机器学习作为人工智能的一个分支越来越多地被应用于各行各业，其中在临床医学检测中也得到了越来越多的应用。基于临床医学越来越多的检测数据，通过建立一个机器学习模型来进行更加智能地预测已成为当今时代的使命。本模型也是基于一些历史的疾病数据进行建模、预测。

2.收集数据

本数据是模拟数据，分为两部分数据：

训练数据集：data.csv

测试数据集：test.csv

在实际应用中，根据自己的数据进行替换即可。

特征数据：age、gender、body_mass_index、heart_failure hypertension、 chronic_obstructic_pulmonary_disease、 chronic_liver_disease、……renal_toxic_drug

标签数据：acute_kidney_disease

3.数据预处理

1）原始数据描述：

2）数据完整性、数据类型查看：

3）数据缺失值个数：

可以看到数据不存在缺失值。

4.探索性数据分析

1）显示age特征的分布情况：

2）显示gender特征的分布情况：

3）显示heart_failure特征的分布情况：

剩下的其它特征，可以自行分析。

4）相关性分析

说明：正值是正相关、负值时负相关，值越大变量之间的相关性越强。

5.特征工程

1)特征数据和标签数据拆分，acute_kidney_disease为标签数据，除acute_kidney_disease之外的为特征数据；

2)数据集拆分，分为训练集和尝试集

数据集已提前分好，直接读取即可。

6.LSTM建模

1)神经网路LSTM简单介绍：

LSTM网络是RNN的一个变体，也是目前更加通用的循环神经网络结构，全程为Long Short-Term Memory，翻译成中文叫作”长 ‘短记忆’”网络。读的时候，”长”后面要稍作停顿，不要读成”长短”记忆网络，因为那样的话，就不知道记忆到底是长还是短。本质上，它还是短记忆网络，只是用某种方法把”短记忆”尽可能延长了一些。

简而言之，LSTM就是携带一条记忆轨道的循环神经网络，是专门针对梯度消失问题所做的改进。它增加的记忆轨道是一种携带信息跨越多个时间步的方法。可以先想象有一条平行于时间序列处理过程的传送带，序列中的信息可以在任意位置”跳”上传送带，然后被传送到更晚的时间步，并在需要时原封不动地”跳”过去，接受处理。这就是LSTM原理：就像大脑中的记忆存储器，保存信息以便后面使用，我们回忆过去，较早期的信息就又浮现在脑海中，不会随着时间的流逝而消失得无影无踪。

这个思路和残差连接非常相似，其区别在于，残差连接解决的是层与层之间得梯度消失问题，而LSTM解决的是循环层与神经元层内循环处理过程中的消息消失问题。

简单来说，C轨道将携带着跨越时间步的信息。它在不同的时间步的值为Ct，这些信息将与输入连接和循环连接进行运算(即与权重矩阵进行点积，然后加上一个偏置，以及加一个激活过程)，从而影响传递到下一个时间步的状态如右图所示。

LSTM-增加了一条记忆轨道，携带序列中较早的信息

2)建立LSTM分类模型，模型参数如下：

编号

参数

1

loss='binary_crossentropy'

2

optimizer='adam'

3

metrics=['acc']

其它参数根据具体数据，具体设置。

3)神经网络结构及概要

神经网络结构图：

神经网络概要：

可以看到每层网络的类型、形状和参数。

7.模型评估

1)评估指标主要采用查准率、查全率、F1

编号

评估指标名称

评估指标值

1

查准率

98.74%

2

查全率

100.00%

3

F1

99.37%

通过上述表格可以看出，此模型效果良好。

2)损失和准确率图
 loss = history.history['loss']val_loss = history.history['val_loss']epochs = range(1, len(loss) + 1)plt.figure(figsize=(12, 4))plt.subplot(1, 2, 1)plt.plot(epochs, loss, 'r', label='Training loss')plt.plot(epochs, val_loss, 'b', label='Test loss')plt.title('Training and Test loss')plt.xlabel('Epochs')plt.ylabel('Loss')plt.legend()acc = history.history['acc']val_acc = history.history['val_acc']plt.subplot(1, 2, 2)plt.plot(epochs, acc, 'r', label='Training acc')plt.plot(epochs, val_acc, 'b', label='Test acc')plt.title('Training and Test accuracy')plt.xlabel('Epochs')plt.ylabel('Accuracy')plt.legend()
3)ROC曲线绘制

训练集ROC曲线图：
fpr, tpr, threshold = roc_curve(y_data, y_score)roc_auc = auc(fpr, tpr)plt.figure()lw = 2plt.plot(fpr, tpr, color='darkorange',lw=lw, label='ROC curve (area = %0.2f)' % roc_auc)plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')plt.xlim([0.0, 1.0])plt.ylim([0.0, 1.05])plt.xlabel('False Positive Rate')plt.ylabel('True Positive Rate')plt.title(title + ' RNN-LSTM Model ')plt.legend(loc="lower right")
测试集ROC曲线图：

8.临床应用

根据测试集的特征数据，来预测这些患者是否会有相关疾病；根据预测结果：针对将来可能会患有此种疾病的人员，提前进行预防。

预测结果如下：

features = ['age']
fig = plt.subplots(figsize=(15, 15))
for i, j in enumerate(features):plt.subplots_adjust(hspace=1.0)sns.countplot(x=j, data=data_train)plt.title("No. of age")# 本次机器学习项目实战所需的资料，项目资源如下：# 链接：https://pan.baidu.com/s/1dW3S1a6KGdUHK90W-lmA4w
# 提取码：bcbpfig = plt.subplots(figsize=(15, 15))
for i, j in enumerate(features):plt.subplots_adjust(hspace=1.0)sns.countplot(x=j, data=data_train)plt.title("No. of gender")

【项目实战】Python实现深度神经网络RNN-LSTM分类模型(医学疾病诊断)相关推荐

Python基于深度学习多标签分类模型实现云状识别
其实这个比赛早在19年的时候就结束,比赛名为<Understanding Clouds from Satellite Images>,原来的任务其实不仅要识别出来类型还要能够分割出来具体的 ...
Python实现PSO粒子群优化循环神经网络LSTM分类模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 PSO是粒子群优化算法(Particle Swarm Optim ...
TensorFlow练手项目二：基于循环神经网络(RNN)的古诗生成器
基于循环神经网络(RNN)的古诗生成器 2019.01.02更新: 代码比较老了,当时的开发环境为Python 2.7 + TensorFlow 1.4,现在可能无法直接运行了.如果有兴趣,可以移步我 ...
python深度神经网络量化_基于Python建立深度神经网络！你学会了嘛？
原标题:基于Python建立深度神经网络!你学会了嘛? 图1 神经网络构造的例子(符号说明:上标[l]表示与第l层:上标(i)表示第i个例子:下标i表示矢量第i项) 单层神经网络图2 单层神经网络示 ...
视频教程-Python疫情监控完整项目实战-Python
Python疫情监控完整项目实战数据产品讲师,人工智能探索者,15年一线IT研发经验,国内顶级互联网行业工作背景,社区达人,著有长篇连载<胖子哥的大数据之路>,<数据实践之美> ...
视频教程-Python+Vue+Django前后端分离项目实战-Python
Python+Vue+Django前后端分离项目实战教学风格独特,以学员视角出发设计课程,难易适度,重点突出,架构清晰,将实战经验融合到教学中.讲授技术同时传递方法.得到广大学员的高度认可. 王进 ...
递归神经网络RNN——LSTM
递归神经网络RNN--LSTM 1.LSTM的产生原因及优点 2.LSTM网络结构 3.LSTM工作机制 4.LSTM Attention 机制关于LSTM模型,看懂这篇文章就OK了,不用再看别的了 ...
笨办法学Python（第四版）最新版+Python爬虫开发与项目实战+Python网络数据采集+精通Scrapy网络爬虫
笨办法学Python(第四版)最新版+Python爬虫开发与项目实战+Python网络数据采集+精通Scrapy网络爬虫本资料为最新整理高清带目录pdf,百度网盘下载~~~ 本资料为最新整理高清带目 ...
项目实战-----Python编写疫苗信息管理系统
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接: https://blog.csdn.net/weixin_43425784/art ...

【项目实战】Python实现深度神经网络RNN-LSTM分类模型(医学疾病诊断)

1.项目背景

2.收集数据

3.数据预处理

4.探索性数据分析

5.特征工程

6.LSTM建模

7.模型评估

8.临床应用

【项目实战】Python实现深度神经网络RNN-LSTM分类模型(医学疾病诊断)相关推荐

最新文章

热门文章

编号	参数
1	loss='binary_crossentropy'
2	optimizer='adam'
3	metrics=['acc']

编号	评估指标名称	评估指标值
1	查准率	98.74%
2	查全率	100.00%
3	F1	99.37%