P25：LSTM实现糖尿病探索与预测

发布于：2025-06-15 ⋅ 阅读:(15) ⋅ 点赞:(0)

一、相关技术

1.LSTM基本概念

LSTM（长短期记忆网络）是RNN（循环神经网络）的一种变体，它通过引入特殊的结构来解决传统RNN中的梯度消失和梯度爆炸问题，特别适合处理序列数据。

  1. 结构组成：

    • 遗忘门：决定丢弃哪些信息，通过sigmoid函数输出0-1之间的值，表示保留或遗忘的程度。
    • 输入门：决定更新哪些信息，同样通过sigmoid函数控制更新的程度，并结合tanh函数生成新的候选记忆内容。
    • 输出门：决定输出哪些信息，根据sigmoid函数的结果筛选记忆单元中的信息。

  2. 应用场景：

    • 语言模型与文本生成：如自动补全句子、生成文本。
    • 语音识别：将语音信号转换为文字。
    • 时间序列预测：如股票价格预测、天气预报。

2.PyTorch核心组件

PyTorch是一个开源的机器学习库，广泛应用于深度学习领域。以下是案例中用到的核心组件：

  1. nn.Module：

    • 所有神经网络模块的基类，用于构建自定义模型。
    • 需要实现forward方法定义前向传播逻辑。

  2. DataLoader与TensorDataset：

    • DataLoader：负责批量加载数据，支持并行处理和随机打乱。
    • TensorDataset：将张量数据包装成数据集，便于与DataLoader配合使用。

  3. 优化器与损失函数：

    • torch.optim.Adam：自适应学习率优化算法，适合处理稀疏数据和非平稳目标。
    • nn.CrossEntropyLoss：适用于多分类任务，结合了softmax和交叉熵损失。

3.实验设计要点

  1. 特征选择与工程：

    • 移除与目标负相关的特征（如本例中的"高密度脂蛋白胆固醇"），减少噪声提高模型性能。
    • 使用领域知识选择对目标变量有预测能力的特征。

  2. 数据预处理：

    • 数据标准化：将特征缩放到相似范围，加速模型收敛（本例虽未使用但推荐）。
    • 数据集划分：通常采用70%-30%或80%-20%的比例划分训练集和测试集。

  3. 模型结构设计：

    • 输入层：与特征数量匹配。
    • 隐藏层：根据数据复杂度和实验效果调整神经元数量。
    • 输出层：与分类类别数量一致（本例为二分类输出2个节点）。

4.训练过程解析

  1. 前向传播：

    • 将输入数据通过网络，得到预测结果。
    • 计算预测结果与真实标签之间的损失值。

  2. 反向传播：

    • 计算损失对各参数的梯度。
    • 使用优化器更新网络权重。

  3. 性能评估：

    • 准确率（Accuracy）：正确预测的样本数占总样本数的比例。
    • 损失值（Loss）：衡量预测结果与真实值之间的差异。

5.结果可视化

  1. 绘制训练曲线：

    • 使用Matplotlib库绘制训练和测试的准确率、损失曲线。
    • 通过曲线观察模型的收敛趋势和过拟合风险。

  2. 解读图表：

    • 准确率曲线：训练集和测试集的准确率越接近，模型泛化能力越强。
    • 损失曲线：损失值逐渐下降表明模型在学习，若测试损失上升可能表示过拟合。

6.总结

通过这个糖尿病预测案例，我们学习了LSTM网络的基本原理和PyTorch框架的使用方法。从数据预处理到模型训练，再到结果评估，每一步都蕴含着重要的机器学习知识。希望读者能够举一反三，将这些技术应用到其他领域的问题解决中。在实际应用中，不断尝试和优化是提高模型性能的关键。记住，深度学习不仅需要理论知识，更需要大量的实践和耐心调试。

二、代码实现

1.导入库函数

import torch.nn as nn
import torch.nn.functional as F
import torchvision,torch

# 设置硬件设备，如果有GPU则使用，没有则使用cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
import matplotlib.pyplot as plt
#隐藏警告
import warnings
import numpy as np

import pandas as pd
import seaborn as sns
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt

2.导入数据

plt.rcParams['savefig.dpi'] = 500 #图片像素
plt.rcParams['figure.dpi'] = 500 #分辨率
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
warnings.filterwarnings("ignore")
DataFrame=pd.read_excel(r"E:\Code\pytorch_gpu\data\dia.xls")
print(DataFrame.head())

# 查看数据是否有缺失值
print('数据缺失值---------------------------------')
print(DataFrame.isnull().sum())
# 查看数据是否有重复值
print('数据重复值---------------------------------')
print('数据集的重复值为:'f'{DataFrame.duplicated().sum()}')

         卡号  性别  年龄  高密度脂蛋白胆固醇  低密度脂蛋白胆固醇  ...   尿素氮     尿酸  肌酐  体重检查结果  是否糖尿病
0  18054421   0  38       1.25       2.99  ...  4.99  243.3  50       1      0
1  18054422   0  31       1.15       1.99  ...  4.72  391.0  47       1      0
2  18054423   0  27       1.29       2.21  ...  5.87  325.7  51       1      0
3  18054424   0  33       0.93       2.01  ...  2.40  203.2  40       2      0
4  18054425   0  36       1.17       2.83  ...  4.09  236.8  43       0      0

[5 rows x 16 columns]
数据缺失值---------------------------------
卡号            0
性别            0
年龄            0
高密度脂蛋白胆固醇     0
低密度脂蛋白胆固醇     0
极低密度脂蛋白胆固醇    0
甘油三酯          0
总胆固醇          0
脉搏            0
舒张压           0
高血压史          0
尿素氮           0
尿酸            0
肌酐            0
体重检查结果        0
是否糖尿病         0
dtype: int64
数据重复值---------------------------------
数据集的重复值为:0

3.数据分布分析

feature_map = {

'年龄': '年龄',

'高密度脂蛋白胆固醇': '高密度脂蛋白胆固醇',

'低密度脂蛋白胆固醇': '低密度脂蛋白胆固醇',

'极低密度脂蛋白胆固醇': '极低密度脂蛋白胆固醇',

'甘油三酯': '甘油三酯',

'总胆固醇': '总胆固醇',

'脉搏': '脉搏',

'舒张压':'舒张压',

'高血压史':'高血压史',

'尿素氮':'尿素氮',

'尿酸':'尿酸',

'肌酐':'肌酐',

'体重检查结果':'体重检查结果'

}
plt.figure(figsize=(15, 10))

for i, (col, col_name) in enumerate(feature_map.items(), 1):
    plt.subplot(3, 5, i)
    sns.boxplot(x=DataFrame['是否糖尿病'], y=DataFrame[col])
    plt.title(f'{col_name}的箱线图', fontsize=14)
    plt.ylabel('数值', fontsize=12)
    plt.grid(axis='y', linestyle='--', alpha=0.7)

plt.tight_layout()
plt.show()

在这里插入图片描述

4.数据集构建

# '高密度脂蛋白胆固醇'字段与糖尿病负相关，故而在 X 中去掉该字段
X = DataFrame.drop(['卡号','是否糖尿病','高密度脂蛋白胆固醇'],axis=1)
y = DataFrame['是否糖尿病']

# sc_X = StandardScaler()
# X = sc_X.fit_transform(X)
X = torch.tensor(np.array(X), dtype=torch.float32)
y = torch.tensor(np.array(y), dtype=torch.int64)
train_X, test_X, train_y, test_y = train_test_split(X, y,
test_size=0.2,
random_state=1)
from torch.utils.data import TensorDataset, DataLoader


train_dl = DataLoader(TensorDataset(train_X, train_y),
        batch_size=64,
        shuffle=False)
test_dl = DataLoader(TensorDataset(test_X, test_y),
        batch_size=64,
        shuffle=False)
#train_X.shape, train_y.shape

5.模型构建

class model_lstm(nn.Module):
    def __init__(self):
        super(model_lstm, self).__init__()
        self.lstm0 = nn.LSTM(input_size=13 ,hidden_size=200,
        num_layers=1, batch_first=True)
        self.lstm1 = nn.LSTM(input_size=200 ,hidden_size=200,
        num_layers=1, batch_first=True)
        self.fc0 = nn.Linear(200, 2)

    def forward(self, x):
        out, hidden1 = self.lstm0(x)
        out, _ = self.lstm1(out, hidden1)
        out = self.fc0(out)
        return out

model = model_lstm().to(device)

model lstm(
	(lstm0):LSTM(13，200，batch first=True)
	(1stm1):LSTM(200，200，batch first=True)
	(fc0): Linear(in features=200,out features=2,bias=True)

6.构建测试训练

def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset) # 训练集的大小
    num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)
    train_loss, train_acc = 0, 0 # 初始化训练损失和正确率
    for X, y in dataloader: # 获取图片及其标签
        X, y = X.to(device), y.to(device)
        # 计算预测误差
        pred = model(X) # 网络输出
        loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        # 反向传播
        optimizer.zero_grad() # grad属性归零
        loss.backward() # 反向传播
        optimizer.step() # 每一步自动更新
        # 记录acc与loss
        train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
    train_acc /= size
    train_loss /= num_batches
    return train_acc, train_loss

7. 构建训练函数

def test (dataloader, model, loss_fn):
    size = len(dataloader.dataset) # 测试集的大小
    num_batches = len(dataloader) # 批次数目, (size/batch_size，向上取整)
    test_loss, test_acc = 0, 0
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            # 计算loss
            target_pred = model(imgs)
            loss = loss_fn(target_pred, target)
            test_loss += loss.item()
            test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()
    test_acc /= size
    test_loss /= num_batches
    return test_acc, test_loss

8.训练模型

loss_fn = nn.CrossEntropyLoss() # 创建损失函数

learn_rate = 1e-4 # 学习率

opt = torch.optim.Adam(model.parameters(),lr=learn_rate)

epochs = 30


train_loss = []

train_acc = []

test_loss = []

test_acc = []


for epoch in range(epochs):
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    # 获取当前的学习率
    lr = opt.state_dict()['param_groups'][0]['lr']
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss,
    epoch_test_acc*100, epoch_test_loss, lr))
    print("="*20, 'Done', "="*20)

Epoch: 1, Train_acc:55.1%, Train_loss:0.688, Test_acc:53.0%, Test_loss:0.716, Lr:1.00E-04
==================== Done ====================
Epoch: 2, Train_acc:56.2%, Train_loss:0.683, Test_acc:53.0%, Test_loss:0.720, Lr:1.00E-04
==================== Done ====================
Epoch: 3, Train_acc:56.2%, Train_loss:0.682, Test_acc:53.0%, Test_loss:0.719, Lr:1.00E-04
==================== Done ====================
Epoch: 4, Train_acc:56.2%, Train_loss:0.681, Test_acc:53.0%, Test_loss:0.721, Lr:1.00E-04
==================== Done ====================
Epoch: 5, Train_acc:56.2%, Train_loss:0.679, Test_acc:53.0%, Test_loss:0.722, Lr:1.00E-04
==================== Done ====================
Epoch: 6, Train_acc:56.2%, Train_loss:0.678, Test_acc:53.0%, Test_loss:0.722, Lr:1.00E-04
==================== Done ====================
Epoch: 7, Train_acc:56.2%, Train_loss:0.677, Test_acc:53.0%, Test_loss:0.722, Lr:1.00E-04
==================== Done ====================
Epoch: 8, Train_acc:56.2%, Train_loss:0.675, Test_acc:53.0%, Test_loss:0.722, Lr:1.00E-04
==================== Done ====================
Epoch: 9, Train_acc:56.2%, Train_loss:0.672, Test_acc:53.0%, Test_loss:0.721, Lr:1.00E-04
==================== Done ====================
Epoch:10, Train_acc:56.5%, Train_loss:0.670, Test_acc:53.0%, Test_loss:0.720, Lr:1.00E-04
==================== Done ====================
Epoch:11, Train_acc:57.0%, Train_loss:0.666, Test_acc:53.5%, Test_loss:0.719, Lr:1.00E-04
==================== Done ====================
Epoch:12, Train_acc:57.6%, Train_loss:0.661, Test_acc:54.5%, Test_loss:0.716, Lr:1.00E-04
==================== Done ====================
Epoch:13, Train_acc:58.5%, Train_loss:0.655, Test_acc:55.4%, Test_loss:0.713, Lr:1.00E-04
==================== Done ====================
Epoch:14, Train_acc:61.3%, Train_loss:0.648, Test_acc:55.9%, Test_loss:0.710, Lr:1.00E-04
==================== Done ====================
Epoch:15, Train_acc:63.2%, Train_loss:0.640, Test_acc:58.4%, Test_loss:0.702, Lr:1.00E-04
==================== Done ====================
Epoch:16, Train_acc:65.5%, Train_loss:0.631, Test_acc:58.4%, Test_loss:0.699, Lr:1.00E-04
==================== Done ====================
Epoch:17, Train_acc:65.2%, Train_loss:0.623, Test_acc:57.9%, Test_loss:0.696, Lr:1.00E-04
==================== Done ====================
Epoch:18, Train_acc:67.0%, Train_loss:0.614, Test_acc:57.9%, Test_loss:0.698, Lr:1.00E-04
==================== Done ====================
Epoch:19, Train_acc:67.0%, Train_loss:0.604, Test_acc:58.9%, Test_loss:0.693, Lr:1.00E-04
==================== Done ====================
Epoch:20, Train_acc:69.5%, Train_loss:0.591, Test_acc:59.4%, Test_loss:0.685, Lr:1.00E-04
==================== Done ====================
Epoch:21, Train_acc:71.4%, Train_loss:0.579, Test_acc:56.9%, Test_loss:0.679, Lr:1.00E-04
==================== Done ====================
Epoch:22, Train_acc:72.3%, Train_loss:0.565, Test_acc:58.4%, Test_loss:0.671, Lr:1.00E-04
==================== Done ====================
Epoch:23, Train_acc:74.4%, Train_loss:0.551, Test_acc:58.4%, Test_loss:0.668, Lr:1.00E-04
==================== Done ====================
Epoch:24, Train_acc:75.0%, Train_loss:0.537, Test_acc:61.9%, Test_loss:0.650, Lr:1.00E-04
==================== Done ====================
Epoch:25, Train_acc:75.2%, Train_loss:0.524, Test_acc:59.4%, Test_loss:0.652, Lr:1.00E-04
==================== Done ====================
Epoch:26, Train_acc:75.9%, Train_loss:0.512, Test_acc:58.9%, Test_loss:0.643, Lr:1.00E-04
==================== Done ====================
Epoch:27, Train_acc:77.9%, Train_loss:0.498, Test_acc:62.9%, Test_loss:0.636, Lr:1.00E-04
==================== Done ====================
Epoch:28, Train_acc:77.4%, Train_loss:0.488, Test_acc:62.4%, Test_loss:0.652, Lr:1.00E-04
==================== Done ====================
Epoch:29, Train_acc:79.2%, Train_loss:0.477, Test_acc:63.9%, Test_loss:0.624, Lr:1.00E-04
==================== Done ====================
Epoch:30, Train_acc:79.7%, Train_loss:0.464, Test_acc:61.9%, Test_loss:0.635, Lr:1.00E-04
==================== Done ====================

9.模型评估

warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

from datetime import datetime
current_time = datetime.now() # 获取当前时间

epochs_range = range(epochs)

plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.xlabel(current_time) # 打卡请带上时间戳，否则代码截图无效
plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

在这里插入图片描述

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布