Facebook
From C, 1 Month ago, written in Python.
Embed
Download Paste or View Raw
Hits: 129
  1. import pandas as pd
  2. from sklearn.model_selection import train_test_split
  3. from sklearn.linear_model import LogisticRegression
  4. from sklearn.metrics import classification_report, confusion_matrix
  5. from sklearn.preprocessing import StandardScaler
  6.  
  7. # Carga de datos
  8. url = 'tu_url_aquí.csv'  # Reemplaza con la URL de tu conjunto de datos o ruta del archivo
  9. data = pd.read_csv(url)
  10.  
  11. # Preprocesamiento
  12. # Asumiendo que 'target' es la columna que indica la presencia(1) o ausencia(0) de enfermedad cardíaca
  13. X = data.drop('target', axis=1)  # Reemplaza 'target' con el nombre real de tu columna objetivo
  14. y = data['target']
  15.  
  16. # Normalización de los datos
  17. scaler = StandardScaler()
  18. X_scaled = scaler.fit_transform(X)
  19.  
  20. # División del conjunto de datos en entrenamiento y prueba
  21. X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.3, random_state=42)
  22.  
  23. # Entrenamiento del modelo de regresión logística
  24. model = LogisticRegression()
  25. model.fit(X_train, y_train)
  26.  
  27. # Evaluación del modelo
  28. predictions = model.predict(X_test)
  29. print(classification_report(y_test, predictions))
  30. print(confusion_matrix(y_test, predictions))