有人说21世纪，我们的生活越来越便捷，电子通讯越来越发达，美食越来越多。这一点也不假。但现代生活方式也有不利一面，工作越来越忙，身体锻炼越来越少，体重一天一天增加。有一种疾病叫做糖尿病，你们听说过吗？中国糖尿病患者数量逐年上升，呈现明显上涨态势。近年来糖尿病药物是药企一块大蛋糕。糖尿病相关食品也非常昂贵，很多不懂医学常识的患者付出了巨大代价。
有人说21世纪，我们的生活越来越便捷，电子通讯越来越发达，美食越来越多。这一点也不假。但现代生活方式也有不利一面，工作越来越忙，身体锻炼越来越少，体重一天一天增加。有一种疾病叫做糖尿病，你们听说过吗？
餐饮行业为了增加销售量，会增加食物食盐量。这样可以满足顾客重口味。
饮料厂商为了增加销售量，在饮料里添加不少糖分（碳水化合物）。糖可以刺激大脑，形成正反馈，越喝越想喝，形成对糖依耐性。
996对程序员并不陌生，一天工作太忙，下班后就葛优躺，拿着手机或看电视。体重一天天增加，我想说的是糖尿病离你还远吗？
真相是中国糖尿病数据触目惊心！下图显示2019年估算中国糖尿病患病率排名世界第二，我们不是世界第一，是不是很高兴？
不幸的是，中国人口基数是美国4倍多，因此中国糖尿病患者数量位居世界第一。中国是糖尿病最大药物研发市场。越来越多年轻人也加入糖尿病市场，成为药企摇钱树。
中国糖尿病患者数量逐年上升，呈现明显上涨态势。近年来糖尿病药物是药企一块大蛋糕。糖尿病相关食品也非常昂贵，很多不懂医学常识的患者付出了巨大代价。
糖尿病是一种富贵病，患上后无法彻底根治，只能每日用药控制。且糖尿病相关并发症多。每8秒就有1人死于糖尿病及其并发症。如果未经治疗，糖尿病可能引发许多并发症。急性并发症包括糖尿病酮酸血症与高***压高血糖非酮酸性昏迷；严重的长程并发症则包括心血管疾病、中风、慢性肾脏病、糖尿病足、以及视网膜病变等。
医生对于糖尿病患者的建议比较多，少吃含糖高食物，多锻炼，多休息。。。。但哪一条建议特别重要，能否量化分析么？答案是肯定的，你给我数据，我给你答案。
人工智能机器学习可以帮助医药科研人员挖掘更多糖尿病致病因子，建立模型预测患者血糖。博主用python建立糖尿病血糖指标预测模型，根据用户提供的年龄，性别，血压，BMI等指标，可以预测你是否患有糖尿病。建模数据来自美国真实糖尿病临床数据，总计442条。对于模型来说，442条数据量有些偏少，如果能有1000条以上，就比较nice了。
研究此项目的美国团队（Bradley Efron, Trevor Hastie, Iain Johnstone and Robert Tibshirani）模型性能一般，MAE约为41.9，r2为0.477。而博主建立模型MAE为13.82，r2为0.9388，远远高于美国团队，模型性能非常优秀，预测数据误差小，更准确。
博主运用python语言建立糖尿病预测模型部分代码截图，代码量少，效率高快速建模和量化分析致病因子。
程序对变量相关性分析后，自动把结果保存到excel，方便日后查阅数据，我们发现S1和S2血清指标相关性非常高，模型仅选用s1或s2变量，性能下降不会太大。
好消息是绝大多数糖尿病属于二类，是可防可控的。我们只要熟悉致病因子，建立良好生活习惯就可以显著降低糖尿病患病概率。此课程对糖尿病致病因子一一分析，并量化排序，是价值含量非常高课程。
机器学习是一门充满魅力学科，让我们像甘道夫魔法师，可以预知未来。希望我的课程能够帮助到糖尿病患者，相关研发机构，或正在写此题材论文的学生。希望你们分享此课程到朋友圈，让大家重视糖尿病防控，减少政府医药预算开支，让更多人受益。
欢迎各位同学学习
python机器学习-糖尿病数据挖掘：
https://edu.51cto.com/sd/5c2fb
作者介绍
Toby，持牌照金融公司担任模型验证专家,国内最大医药数据中心数据挖掘部门负责人！和重庆儿科医院，中科院教授，赛柏蓝保持慢病数据挖掘项目合作！管理过欧美日中印巴西等国外药典数据库，马丁代尔数据库，FDA溶解度数据库，临床试验数据库，WHO药物预警等数据库。
课程概述
python机器学习实战糖尿病数据挖掘，运用多种回归算法在年龄，性别，体重指数BMI，血压, 和六个血清指标中挖掘哪个因子是最重要致病因子。这些变量有何关联。课程建立模型综合表现显著高于互联网其他课程。
适用人群
研究生，博士生毕业论文，NCBI/SCI/Nature论文发布，python爱好者，机器学习，生物信息学，糖尿病医学科研机构
课程特点
平民价格，非纯商业化价格，让贫困学生也学的起国外最先进流行知识。不需要花费几千上万报天价学习班，自学也可成长。
学习计划和方法
1.每天保证1-2个小时学习时间，预计7-14天可以学习完整门课程。
2.每节课的代码实操要保证，建议不要直接复制粘贴代码，自己实操一遍代码对大脑记忆很重要，有利于巩固知识。
3.第二次学习时要总结上一节课内容，必要时做好笔记，加深大脑理解。
4.不懂问题要罗列出来，先自己上网查询，查不到的可以咨询老师。
课程目录
课时1我的所有课程介绍
课时2讲师介绍-二十个医药数据库负责人
课时3糖尿病分类_特征_预防概述
课时4机器学习模型预测糖尿病患者血糖指标
章节2python编程环境搭建
课时5Anaconda快速入门指南
课时6Anaconda下载安装
课时7python第三方包安装(pip和conda install)
章节3糖尿病数据挖掘
课时8建立糖尿病预测线性回归模型（linear regression）
课时9下载糖尿病数据方法(原始数据和清洗后数据)
课时10线性回归和误差
课时11模型验证：均方差和中值绝对误差
课时12多算法比较，模型性能提高2倍
课时13原始数据和处理后数据建模性能对比
课时14糖尿病致病因子量化分析_性别，年龄，血压，BMI指数
课时15变量相关性分析-原来s1和s2血清检测呈现高相关性
课时16长寿之道-这课程是你一生财富
课时17BMI指数python自动化计算脚本
章节4附录
课时18糖尿病中英单词汇总
课时19糖尿病患者更容易感染新冠病毒吗？
课时20最小角度回归预测糖尿病论文LeastAngleRegression
python机器学习生物信息学，博主录制，2k超清
https://edu.51cto.com/sd/3a516