基于随机森林和Web部署的糖尿病预测

项目背景

糖尿病是全球日益严重的健康问题，主要源于我们久坐的生活方式。然而，通过及时发现和适当的医疗干预，其不良影响可以显着减轻。利用技术，尤其是机器学习，可以极大地帮助这种情况的早期发现和管理。这是我们最新项目的关键——一个根据关键健康指标预测糖尿病存在的机器学习模型。

我们的模型建立在最初来自国家糖尿病、消化和肾脏疾病研究所的数据集上，数据来源于 Kaggle。该研究重点关注 21 岁及以上的女性患者，使用怀孕次数、胰岛素水平、体重指数和年龄等参数。我们为这项任务选择了一个简单而有效的随机森林分类器。

项目目标

该项目的旅程具有教育意义且内容丰富，涵盖了机器学习项目的几个关键方面：

• 数据收集：获取和理解数据集。
• 描述性分析：通过各种统计方法探索数据集。
• 数据可视化：通过数据的可视化表示获得见解。
• 数据预处理：清理和准备建模数据。
• 数据建模：构建机器学习模型。
• 模型评估：评估模型的性能。
• 模型部署：使模型可通过 Web 应用程序访问。

项目应用

该糖尿病预测项目通过运用机器学习技术（随机森林），为早期和便捷的诊断提供了新途径，有潜力彻底改变糖尿病的管理方式，通过为个人和医疗专业人员提供预测性见解来赋能。其在现实世界中的应用具有巨大潜力，能够增强预防性医疗，降低风险，并促进主动的健康策略。

项目效果

请点击下方，观看gif动态

用户可以将怀孕次数、胰岛素水平、年龄和体重指数等关键健康指标输入到 Web 应用程序中。根据这些输入，模型预测存在糖尿病的可能性，并将结果显示在新页面上。

模型选择与依赖库

我们选择随机森林作为预测模型，主要是因为它在处理大量数据集时展现出的高效性和准确性，特别是在识别潜在的糖尿病风险因素方面。此外，随机森林能够有效处理特征间的复杂交互关系，且相对于其他复杂模型更易于实现和解释，使之成为理想的选择。

我们将使用PyTorch作为深度学习框架，因为它提供了强大的工具和易用的接口，使模型训练和部署变得更加简单。另外，我们还将使用Flask来构建Web应用程序，以便将训练好的模型部署到网页中。Flask是一个轻量级的Python框架，非常适合快速搭建Web应用程序，并提供了与模型交互的接口。

项目目录

code文件是存放代码的，其中static是Web网页中需要显示的图片。

temples是Web网页显示所需的一些布局所用的html文件。

app.py是启动Web网页的程序。

train.py是使用随机森林在该项目上的训练代码。

diabetes-prediction-rfc-model.pkl是train.py脚本训练后保存的模型的权重，建议再执行app.py之前，先执行train.py重新训练权重，防止sk-learn版本更新造成的模型结构变化。

data文件夹中存放的是训练数据。

Diabetes Classification_.ipynb类似train.py，是模型训练脚本的jupyter形式，与其不同的是其中包括很多数据分析。

项目运行

当前项目目录下，启动终端，输入命令 python app.py 即可。可详见上述gif动态图。

如果想重新训练模型，请在项目目录下启动终端，输入命令 python train.py。建议重新训练。

代码及数据集下载