Python в Loginom

В подмодели Импорт данных импортируется исходный файл.

В наборе данных содержится информация о 4238 пациентах.

Поля, по которым прогнозируется результат:

Имя	Описание
male	Пол мужской или женский (1 — мужчина, 0 — женщина)
age	Возраст пациента
education	Образование (0 — 4)
current_smoker	Является ли пациент курильщиком в данный момент? (1 — да, 0 — нет)
cigs_per_day	Количество сигарет, выкуриваемых в среднем за один день
BPMeds	Принимал ли пациент лекарства от кровяного давления (1 — да, 0 — нет)
prevalent_stroke	Был ли у пациента ранее инсульт (1 — да, 0 — нет)
diabets	Был ли у пациента диабет (1 — да, 0 — нет)
tot_chol	Уровень общего холестерина
sys_bp	Систолическое артериальное давление
dia_bp	Диастолическое артериальное давление
BMI	Индекс массы тела
heart_rate	Частота сердечных сокращений
glucose	Уровень глюкозы

Прогнозируемое поле:

• TenYearCHD (10-летний риск ишемической болезни сердца ИБС): 1 — да, 0 — нет.

Очистка пустых полей осуществляется с помощью узла Заполнение пропусков. По каждому полю устанавливается метод обработки: Удалять записи.

Для доступа к данным портов и другим встроенным объектам в контексте выполнения кода предусмотрены:

• Входные наборы данных (InputTables, InputTable)
• Входные переменные (InputVariables)
• Выходной набор данных (OutputTable)
• Необходимые перечисления (DataType, DataKind, UsageType)

Вышеуказанные объекты импортируются из встроенного модуля "builtin_data". По умолчанию в текст исполняемого узлом кода добавляется строка импорта.

Передать подготовленные данные в узел Python. Разрешить формировать выходные столбцы из кода. Код программы:

import builtin_data
from builtin_data import InputTable, InputTables, InputVariables, OutputTable, DataType, DataKind, UsageType
import numpy as np
import pandas as pd
from builtin_pandas_utils import to_data_frame, prepare_compatible_table, fill_table

Входной порт необязательный:

if InputTable:
    #Создать pd.DataFrame по входному набору №1
    input_frame = to_data_frame(InputTable)

Разделить атрибуты и метки. Здесь X — все столбцы из набора, кроме:

"TenYearCHD". Y - "TenYearCHD"
X = input_frame.drop('TenYearCHD', axis=1)
Y = input_frame['TenYearCHD']

Разделить данные на обучающие и тестовые наборы:

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.20)

Обучить модель на тренировочных данных:

from sklearn.tree import DecisionTreeClassifier
classifier = DecisionTreeClassifier()
classifier.fit(X_train, Y_train)

Прогноз на тестовых данных:

Y_pred = classifier.predict(X_test)

Слияние атрибутов и меток:

X_test = X_test.reset_index()
Y_pred = pd.Series(Y_pred)
df = pd.DataFrame()
df = pd.concat([df, Y_pred], axis=1)
X_test = pd.concat([X_test, df], axis=1)
print(X_test)

Вывод результата в таблицу:

prepare_compatible_table(OutputTable, X_test, with_index=False)
fill_table(OutputTable, X_test, with_index=False)

import builtin_data
from builtin_data import InputTable, InputTables, InputVariables, OutputTable, DataType, DataKind, UsageType
import numpy as np
import pandas as pd
from builtin_pandas_utils import to_data_frame, prepare_compatible_table, fill_table

#Входной порт необязательный
if InputTable:
    #Создать pd.DataFrame по входному набору №1
    input_frame = to_data_frame(InputTable)

#Разделяем атрибуты и метки. Здесь X — все столбцы из набора, кроме "TenYearCHD". Y - "TenYearCHD"
X = input_frame.drop('TenYearCHD', axis=1)
Y = input_frame['TenYearCHD']

#Разделим данные на обучающие и тестовые наборы
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.20)

#Обучаем модель на тренировочных данных
from sklearn.tree import DecisionTreeClassifier
classifier = DecisionTreeClassifier()
classifier.fit(X_train, Y_train)

#Прогноз на тестовых данных
Y_pred = classifier.predict(X_test)

#Слияние атрибутов и меток
X_test = X_test.reset_index()
Y_pred = pd.Series(Y_pred)
df = pd.DataFrame()
df = pd.concat([df, Y_pred], axis=1)
X_test = pd.concat([X_test, df], axis=1)
print(X_test)

#Вывод результата в таблицу
prepare_compatible_table(OutputTable, X_test, with_index=False)
fill_table(OutputTable, X_test, with_index=False)

Результаты прогнозирования выведены в последний столбец выходного набора данных: