[머신러닝][Kaggle][Python] 개인 건강 데이터를 이용한 심부전 예측 모델1

출처 : https://www.kaggle.com/datasets/andrewmvd/heart-failure-clinical-data

Heart Failure Prediction

데이터 소개

Kaggle의 Heart Failure Prediction Dataset 이용

Dataset 구성

age: 환자의 나이
anaemia: 환자의 빈혈증 여부 (0: 정상, 1: 빈혈)
creatinine_phosphokinase: 크레아틴키나제 검사 결과
diabetes: 당뇨병 여부 (0: 정상, 1: 당뇨)
ejection_fraction: 박출계수 (%)
high_blood_pressure: 고혈압 여부 (0: 정상, 1: 고혈압)
platelets: 혈소판 수 (kiloplatelets/mL)
serum_creatinine: 혈중 크레아틴 레벨 (mg/dL)
serum_sodium: 혈중 나트륨 레벨 (mEq/L)
sex: 성별 (0: 여성, 1: 남성)
smoking: 흡연 여부 (0: 비흡연, 1: 흡연)
time: 관찰 기간 (일)
DEATH_EVENT: 사망 여부 (0: 생존, 1: 사망)

패키지 불러오기

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
from xgboost import XGBClassifier

Kaggle API 세팅

import os
os.environ['KAGGLE_USERNAME'] = (Kaggle API Username)
os.environ['KAGGLE_KEY'] = (Kaggle API Key)

Dataset 불러오기

!kaggle datasets download -d andrewmvd/heart-failure-clinical-data
!unzip '*.zip' # 파일이름에 '.zip'이 포한된 파일 압축해제
# 데이터셋 할당
df = pd.read_csv('heart_failure_clinical_records_dataset.csv')

EDA

df.head(10) # 위의 10개 행 출력
df.info() # 각 열의 결측치, 데이터형, 행 수 출력
df.describe # 각 열의 수, 평균, 표준편차, 4분위수, 최대값, 최솟값 출력

연관성 파악을 위한 시각화

나이 - 사망 히스토그램

sns.histplot(x='age', data=df, hue='DEATH_EVENT', kde=True)

크레아틴키나제 - 사망 히스토그램

sns.histplot(x='creatinine_phosphokinase',data=df, hue='DEATH_EVENT',kde=True)

박출계수 - 사망 히스토그램

sns.histplot(x='ejection_fraction', data=df, bins=13, hue='DEATH_EVENT', kde=True)

혈소판 수 - 사망 히스토그램

sns.histplot(x='platelets', data=df, hue='DEATH_EVENT')

관찰 기간 - 사망 히스토그램

sns.histplot(x='time', data=df, hue='DEATH_EVENT', kde=True)

혈소판 수 - 크레아틴키나제 - 사망 조인트 그래프

혈소판 수와 크레아틴키나제 기준으로 사망자 분포 확인

sns.jointplot(x='platelets', y='creatinine_phosphokinase', hue='DEATH_EVENT', data=df, alpha=0.3)

# Dataset의 데이터중 사망자 데이터만 이용
sns.jointplot(x='platelets', y='creatinine_phosphokinase', data=df[df['DEATH_EVENT'] == 1])

혈소판 수와 크레아틴키나제의 변화에 따른 사망자 수 변화에 경향 파악

박출계수 - 혈중 크레아틴 레벨 - 사망 조인트 그래프

박출계수와 혈중 크레아틴 레벨을 기준으로 사망자 분포 확인

sns.jointplot(x='ejection_fraction', y='serum_creatinine', data=df, hue='DEATH_EVENT')

# Dataset의 데이터중 사망자 데이터만 이용
sns.jointplot(x='ejection_fraction', y='serum_creatinine', data=df[df['DEATH_EVENT'] == 1])

박출계수와 혈중 크레아틴 레벨의 변화에 따른 사망자 수 변화에 경향 파악