ML.NET库学习008：使用ML.NET进行心脏疾病预测模型开发

1. 项目主要目的和原理

本项目的目的是开发一个基于ML.NET的机器学习模型，用于心脏疾病的风险预测。通过分析患者的心脏相关特征数据，模型可以对是否存在心脏疾病进行分类。

原理：

• 使用监督学习算法（决策树）对训练数据进行拟合。
• 通过对测试数据进行预测来评估模型性能。
• 将训练好的模型保存为文件，以便后续使用。

---

2. 项目概述

实现的主要功能：

1. 数据加载与预处理。
2. 特征提取与拼接。
3. 模型训练（基于决策树算法）。
4. 模型评估。
5. 模型保存。
6. 预测测试。

主要流程步骤：

1. 加载训练数据和测试数据。
2. 构建特征向量并拟合模型。
3. 使用测试数据评估模型性能。
4. 保存训练好的模型。
5. 使用模型对单个样本进行预测。

关键技术：

• ML.NET：微软的机器学习框架，用于构建跨平台、高性能的机器学习模型。
• 决策树算法（FastTree）：一种高效的树结构回归/分类算法。
• 特征拼接与数据预处理：将多维特征向量化为模型输入。

---

3. 主要功能和步骤

数据加载与路径处理

代码中定义了一个GetAbsolutePath方法，用于获取相对路径的绝对路径。训练数据和测试数据存储在指定的文件夹中，路径通过该方法拼接生成。

public static string GetAbsolutePath(string relativePath)
{FileInfo _dataRoot = new FileInfo(typeof(Program).Assembly.Location);string assemblyFolderPath = _dataRoot.Directory.FullName;string fullPath = Path.Combine(assemblyFolderPath, relativePath);return fullPath;
}

模型训练与评估

1. 加载数据：

   var trainingData = ML.Data.LoadFromTextFile<HeartData>(trainingFilePath, separatorChar: '\t');
   

2. 构建特征向量并拟合模型：

   var pipeline = new Pipeline().Add(new TextLoader<HeartData>(separatorChar: '\t')).Add(new SelectColumnsTransformer("Age", "Sex", "Cp", "TrestBps", "Chol", "Fbs", "RestEcg", "Thalac", "Exang", "OldPeak", "Slope", "Ca", "Thal")).Add(new ConcatFeatures() { OutputColumnName = "Features" }).Add(new FastTree.BinaryClassification());var model = pipeline.Fit(trainingData);
   

3. 模型评估：

   var metrics = model.Evaluate(testData, labelColumn: "Label");
   

模型保存与加载

模型通过Save()方法保存为文件，后续可以使用Load()方法重新加载。

---

4. 代码中的数据结构和内容说明

数据类定义：

• HeartData：表示输入特征。

  public class HeartData
  {public float Age { get; set; }public bool Sex { get; set; }public int Cp { get; set; }public float TrestBps { get; set; }public float Chol { get; set; }public bool Fbs { get; set; }public int RestEcg { get; set; }public float Thalac { get; set; }public bool Exang { get; set; }public float OldPeak { get; set; }public int Slope { get; set; }public int Ca { get; set; }public int Thal { get; set; }
  }
  

• HeartPrediction：表示预测结果。

  public class HeartPrediction
  {public bool Prediction { get; set; }public float Probability { get; set; }
  }
  

---

5. 样本数据清洗方法或标注方法

在代码中，未直接体现数据清洗步骤。但通常情况下，数据清洗包括以下内容：

1. 处理缺失值。
2. 去除异常值。
3. 数据归一化/标准化。

对于心脏疾病预测任务，可能需要对特征进行如下处理：

• 对分类变量（如Sex, Exang）进行编码。
• 确保数值型特征（如Age, Chol）无缺失或异常值。

---

6. 预测数据处理方法说明

在预测阶段，代码通过以下步骤处理输入数据：

1. 加载训练好的模型。
2. 对单个样本进行预测。
3. 输出预测结果和概率。

示例代码如下：

foreach (var heartData in testSamples)
{var prediction = predictionEngine.Predict(heartData);Console.WriteLine($"Prediction: {prediction.Prediction}");Console.WriteLine($"Probability: {prediction.Probability}");
}

---

7. 总结

本项目通过ML.NET实现了基于决策树算法的心脏疾病预测模型。整个流程包括数据加载、特征提取、模型训练、评估和保存，以及预测测试。