作者： Robin
日期： 2018/02
提问： 小象问答
数据集来源： kaggle
1. 案例描述
近年来，人工智能（AI）发展迅速，从AlphaGo连败人类棋手，到商场里随处可见的智能机器人，人工智能已经从实验室走向了大众，不论是舆论关注度还是相关领域的投资，都在节节增长。更重要的是，人工智能技术也到达到了新的阶段，在工业界、医疗、SaaS、农业等等各行各业的应用都引起了巨大的势能。这其中，应用增长率最高的当属AI在医疗领域的应用。
该案例通过数据分析的方法探索骨科就诊人员的数据，建立一个简单的机器学习模型，用于预测就诊人员是否患有骨科疾病。该案例适合初次接触数据分析、机器学习及人工智能的读者。
2. 数据集描述
- 该数据集由Kaggle[提供]((https://www.kaggle.com/uciml/biomechanical-features-of-orthopedic-patients)
- 数据字典
- pelvic_incidence: 骨盆入射角，浮点型
- pelvic_tilt numeric: 骨盆倾斜，浮点型
- lumbar_lordosis_angle: 腰椎前凸角度，浮点型
- sacral_slope: 骶骨倾斜角，浮点型
- pelvic_radius: 盆腔半径，浮点型
- degree_spondylolisthesis: 腰椎滑脱程度，浮点型
- class: 病人是否患病，字符型：Abnormal, Normal
3. 任务描述
- 根据病人的6项医疗数据，推断该病人是否患有骨科疾病
4. 主要代码解释
- 代码结构 代码链接
├── data.csv # 数据文件
├── main.ipynb # jupyter notebook演示文档
├── model.pkl # 保存的训练好的模型（需要运行程序才能得到）
├── proj_readme.pdf # 案例讲解文档
- 具体代码请参照main.ipynb
5. 案例总结
- 该项目通过学习kNN模型，基本能“准确”地预测出病人是否患有骨科疾病，同时也包括了以下概念：
- 数据处理
- 数据分析和机器学习的基本步骤
- 数据可视化
6. 课后练习
- 熟悉Python的读者，可以试着将以上代码写成.py文件
- 试着只使用6个特征中的一些，观察对结果的影响；
- 考虑只用准确率能否真实地体现模型的好坏，是否有其他的评价指标？