心臓病を予測する

心臓病は人間の命を脅かします。健康診断データに基づいて心臓病の身体指標を分析することができれば、心臓病を予防することができる。このトピックでは、心臓病患者の健康診断データに基づいて、データマイニングアルゴリズムを使用してPlatform for AI (PAI) で心臓病予測モデルを構築する方法について説明します。

前提条件

ワークスペースが作成済み。詳細については、「ワークスペースの作成」をご参照ください。
MaxComputeリソースはワークスペースに関連付けられています。詳細については、「ワークスペースの管理」をご参照ください。

データマイニング手順

データセット

このトピックで説明するパイプラインでは、UCI Machine Learning Repositoryのオープンソースデータセットを使用します。詳細については、「心臓病データセット」をご参照ください。データセットには、米国の地域の303人の心臓病患者の健康診断データが含まれています。次の表に、データセットのフィールドを示します。

項目	データ型	説明
age	STRING	患者の年齢。
性別	STRING	患者の性別。有効な値: femaleとmale。
cp	STRING	患者が持っている胸痛のタイプ。有効な値: 典型的、非定型、非狭心症、無症候性。
trestbps	STRING	患者の安静時血圧レベル。
チョル	STRING	患者の血清コレステロールレベル。
fbs	STRING	患者の空腹時血糖値。空腹時血糖値が120 mg/dlを超える場合、値はtrueに設定されます。それ以外の場合、値はfalseに設定されます。
restecg	STRING	患者の安静時心電図 (ECG) の結果。有効な値: normとhyp。
タラハ	STRING	患者の最大心拍数。
exang	STRING	患者が運動誘発性狭心症を有するかどうかを示す。有効な値は true と false です。
oldpeak	STRING	安静に対する運動によって誘発されるSTうつ病。
slop	STRING	ピーク运动STセグメントの勾配。有効な値: down、flat、up。
ca	STRING	蛍光透視法によって着色される主要な血管の数。
thal	STRING	患者が持っている欠陥のタイプ。有効な値: norm、fix、rev。
status	STRING	患者の心臓病の存在。有効な値: buffとsick。

Machine Learning Designerページに移動します。
1. PAIコンソールにログインします。
2. 左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 [ワークスペース] ページで、管理するワークスペースの名前をクリックします。
3. ワークスペースページの左側のナビゲーションウィンドウで、モデル开発とトレーニング > ビジュアルモデリング (デザイナー)機械学習デザイナーページに移動します。

Build a pipeline

可视化モデリング (デザイナー)ページで、プリセットテンプレートタブをクリックします。
[パイプラインテンプレート] タブの [心臓病の予測] セクションで、[作成] をクリックします。
[パイプラインの作成] ダイアログボックスで、必要なパラメーターを設定します。デフォルト値を使用できます。
Pipeline Data Pathパラメーターに指定された値は、パイプラインのランタイム中に生成された一時データおよびモデルのObject Storage Service (OSS) バケットパスです。
OKをクリックします。
パイプラインの作成には約10秒かかります。
[パイプラインリスト] タブで、心臓病予測という名前のパイプラインを見つけ、開く.

次の図に示すように、キャンバス上のパイプラインのコンポーネントを表示します。システムは、プリセットテンプレートに基づいてパイプラインを自動的に作成します。

心脏病预测实验

エリア	説明
①	このセクションに表示されるコンポーネントは、データを前処理します。たとえば、コンポーネントはデータのノイズを除去し、欠落した値を埋め、値を数値に変換します。各サンプルにおいて、患者は健康または病気のいずれかである。したがって、このパイプラインでの心臓病の予測は分類の問題です。このパイプラインで使用されるデータセットには、14のフィーチャフィールドと1つのゴールフィールドが含まれます。データの前処理中に、各フィールドの値は、フィールドの意味に基づいて数値に変換する必要があります。パラメーター： 2値フィールド: コンポーネントは一方の値を0に、もう一方の値を1に変換します。たとえば、性別フィールドの値は女性または男性です。変換後、0は女性を指定し、1は男性を指定します。多値フィールド: コンポーネントは、値を0、1、2、または3に変換します。たとえば、cpフィールドには、胸痛の種類を軽いものから重いものまで指定する4つの値があります。変換後、0〜3の値を使用して、軽度から重度への胸痛のレベルを指定します。サンプルSQLスクリプト: select age, (case sex when 'male' then 1 else 0 end) as sex, (case cp when 'angina' then 0 when 'notang' then 1 else 2 end) as cp, trestbps, chol, (case fbs when 'true' then 1 else 0 end) as fbs, (case restecg when 'norm' then 0 when 'abn' then 1 else 2 end) as restecg, thalach, (case exang when 'true' then 1 else 0 end) as exang, oldpeak, (case slop when 'up' then 0 when 'flat' then 1 else 2 end) as slop, ca, (case thal when 'norm' then 0 when 'fix' then 1 else 2 end) as thal, (case status when 'sick' then 1 else 0 end) as ifHealth from ${t1};
②	このセクションに表示されるコンポーネントは、フィーチャの派生やスケール変更などのフィーチャエンジニアリングを実行します。ロジスティック回帰モデルはDOUBLE型の入力データのみを受け入れるため、Type Transformコンポーネントは入力特徴データをDOUBLE型に変換します。次に、Feature Select Runnerコンポーネントは、エントロピーとGiniインデックスを使用して、予測結果に対する各特徴の影響を測定します。正規化コンポーネントは、各フィーチャの値を0から1の範囲の値に変換します。これにより、予測結果に対するディメンションの影響が取り除かれます。正規化式は、`result=(val − min)/(max − min)` である。
③	このセクションに表示されるコンポーネントは、モデルをトレーニングして予測を実行します。分割コンポーネントは、データセットを7:3の比率でトレーニングデータセットと予測データセットに分割します。ロジスティック回帰コンポーネントはモデルをトレーニングします。説明 PMMLモデルファイルをエクスポートする場合は、[フィールド設定] タブの [PMMLを生成するかどうか] チェックボックスをオンにします。キャンバス上の空白領域をクリックし、[パイプライン属性] タブで [データストレージ] を指定します。トレーニングデータセットと予測データセットが予測コンポーネントにインポートされます。予測コンポーネントは、予測結果を生成する。
④	Confusion MatrixおよびEvaluateコンポーネントは、モデルを評価します。

パイプラインを実行し、結果を表示します。
1. キャンバスの左上隅で、アイコンが表示されます。
2. パイプラインの実行後、ロジスティック回帰キャンバス上のコンポーネントを選択し、モデルオプション > PMMLファイルへのエクスポートトレーニングされた心臓病予測モデルをエクスポートします。
3. キャンバスで [予測] を右クリックし、[データの表示] > [予測結果出力ポート] を選択して予測結果を表示します。モデルの評価レポートを表示します。
結果を表示します。
1. キャンバス上の評価を右クリックし、ビジュアル分析をクリックします。
2. では、評価ダイアログボックスで、インデックスデータタブでモデルの評価に使用されるインデックスを表示します。
  評価レポートでは、AUCの値は、モデルの予測精度が90% よりも高いことを示しています。
3. キャンバス上の混乱マトリックスを右クリックし、ビジュアル分析をクリックします。
4. では、混乱マトリックスダイアログボックスで、統計タブを使用して、モデルの精度などのモデル統計を表示します。