Dataset：heart disease数据集的简介、下载、使用方法之详细攻略
目录
heart disease数据集的简介
根据美国CDC(疾病预防控制中心)的说法，心脏病是美国大多数种族(非裔美国人、美国印第安人、阿拉斯加原住民和白人)死亡的主要原因之一。大约一半的美国人(47%)至少有三种主要的心脏病风险因素中的一种:高血压、高胆固醇和吸烟。其他关键指标包括糖尿病、肥胖(BMI高)、没有进行足够的体育活动或饮酒过量。检测和预防对心脏病影响最大的因素在医疗保健中非常重要。反过来，计算技术的发展使得机器学习方法的应用能够从数据中检测出“模式”，从而预测患者的病情，同时指出哪些变量对心脏病的可能性有显著影响。
最初，数据集来自美国疾病控制与预防中心，是行为风险因素监测系统(BRFSS)的主要组成部分，该系统每年进行电话调查，以收集美国居民的健康状况数据。正如CDC所描述的那样:“BRFSS成立于1984年，有15个州，现在收集所有50 个州以及哥伦比亚特区和三个美国领土的数据。BRFSS每年完成超过40万次成人访谈，使其成为世界上最大的持续进行的健康调查系统。最近的数据集(截至2022年2月15日)包括2020年的数据。它包含401958行和279列。绝大多数专栏都是询问受访者健康状况的问题，比如“你走路或爬楼梯有严重困难吗?”或者“你一生中吸过至少100支烟吗?”【注:5包= 100支香烟】”。在这个数据集中，我注意到许多不同的因素(问题)直接或间接影响心脏病，所以我决定从它中选择最相关的变量，并进行一些清理，以便它可以用于机器学习项目。
如上所述，原来将近300个变量的数据集被缩减到只有大约20个变量。除了经典的EDA之外，这个数据集还可以用于应用一系列机器学习方法，最显著的是分类器模型(逻辑回归、SVM、随机森林等)。应该将变量“心脏病”作为一个二元—受访者是否患有心脏病。但是请注意，类是不平衡的，所以经典的模型应用程序方法是不可取的。修正权重/欠采样应该会产生更好的结果。
heart disease数据集是2020年CDC对40万成年人健康状况的年度调查数据。
相关地址：Personal Key Indicators of Heart Disease | Kaggle
1、数据集简介
| 英文 |
中文 |
备注 |
| HeartDisease |
是否为曾报告患有冠心病(CHD)或心肌梗死(MI)的受访者 |
yes/no |
| BMI |
体重指数(BMI) |
|
| Smoking |
你一生中吸过至少100支烟吗?【注:5包= 100支香烟】 |
yes/no |
| AlcoholDrinking |
重度饮酒者(成年男性每周饮酒超过14杯，成年女性每周饮酒超过7杯 |
yes/no |
| Stroke |
（曾经告诉过）有人告诉过你中风吗? |
yes/no |
| PhysicalHealth |
现在想想你的身体健康，包括身体疾病和受伤，在过去的30天里有多少天你的身体健康状况不好?(0~30天) |
|
| MentalHealth |
想想你的心理健康，在过去的30天里，有多少天你的心理健康状况不好?(0~30天) |
|
| DiffWalking |
你走路或爬楼梯有严重困难吗? |
yes/no |
| Sex |
你是男性还是女性? |
Male/Female |
| AgeCategory |
Fourteen-level年龄范畴 |
14个阶段，18~24，25~29，30~34 ，35~39，40~44，45~49，50~54，55~59，60~64，65~69，70~74，75~79，80 or older ； |
| Race |
种族 |
6个类别，American Indi an/Alaskan Native，Asian，Black，White，Hispanic，other |
| Diabetic |
（曾经告诉过）有人告诉过你有糖尿病吗? |
4个选项，No、"No，borderline diabetes"、Yes、"Yes (during pregnancy)" |
| PhysicalActivity |
在过去30天内，报告在正常工作以外进行体育活动或锻炼的成年人 |
yes/no |
| GenHealth |
总的来说你的健康状况是… |
5个选项，Excellert、Fair、Good、Poor、very good |
| SleepTime |
平均来说，你在24小时内睡了多少个小时? |
1~24 |
| Asthma |
（曾经告诉过）有人告诉过你有哮喘吗? |
yes/no |
| KidneyDisease |
不包括肾结石、膀胱感染或尿失禁，你曾被告知有肾脏疾病吗? |
yes/no |
| SkinCancer |
（曾经告诉过）有人告诉过你有皮肤癌吗? |
yes/no |
heart disease数据集的下载
数据集下载地址：
https://www.kaggle.com/datasets/kamilpytlak/personal-key-indicators-of-heart-disease
heart disease数据集的使用方法
相关文章