一、软硬件环境说明

硬件配置

1. 处理器：Intel Core i5及以上
2. 内存：8GB DDR4 及以上
3. 存储：256GB SSD

软件环境

1. 操作系统：Windows 10
2. Python版本：3.8（需安装以下库）：

pandas==1.3.5 # 数据处理

scikit-learn==1.0.2 # 机器学习工具

matplotlib==3.5.1 # 可视化

numpy==1.21.6 # 数值计算

二、数据均衡处理技术

原始数据分布

类别	样本数量	占比
未患病(0)	15696
患病(1)	5312

下采样过程

1. 样本分离：

通过df.target字段分割多数类（未患病0）与少数类（患病1）

df['target'] = df['Diabetes_Type'].apply(lambda x: 1 if x in ['Type 1', 'Type 2'] else 0)

# 分离正负样本
df_majority = df[df.target == 0]
df_minority = df[df.target == 1]

1. 平衡处理：

   = resample(df_majority,
   
                               n_samples=len(df_minority),  # 取5312个样本
   
                               random_state=42)  # 确保可复现性

2. 重构数据集：

合并下采样后的多数类与原始少数类

新数据集样本量：10624（5312:5312，1:1平衡）

# 合并新数据集
df_downsampled = pd.concat([df_majority_down, df_minority])
df = pd.get_dummies(df,  columns=['Gender','Region','Dietary_Habits'])
features = ['Age','BMI','Fast_Food_Intake','HbA1c','Cholesterol_Level','Stress_Level','Sleep_Hours']

# 划分数据集
X_train = df_downsampled[features]
y_train = df_downsampled['target']
X_test = df[features]
y_test = df['target']

三、模型构建与评估

随机森林配置

RandomForestClassifier(

    n_estimators=200,     # 决策树数量（增强模型稳定性）

    max_depth=8,          # 控制过拟合

    class_weight='balanced' # 补偿下采样可能丢失的信息

)

ROC曲线解读

1. 生成逻辑：

用原始数据集作为测试集（保持真实分布）

计算患病概率阈值从0到1时的TPR/FPR变化

1. 关键指标：

AUC值：0.740

最佳阈值：0.48

对应指标：

• • 灵敏度：88.6%
  • 特异度：85.3%

四、可视化呈现

1. ROC曲线图：

1. 数据分布对比图：

测试数据

ID	Age	Gender	Region	Family_Income	Family_History_Diabetes	Parent_Diabetes_Type	Genetic_Risk_Score	BMI	Physical_Activity_Level	Dietary_Habits	Fast_Food_Intake	Smoking	Alcohol_Consumption	Fasting_Blood_Sugar	HbA1c	Cholesterol_Level	Prediabetes	Diabetes_Type	Sleep_Hours	Stress_Level	Screen_Time
1	21	Male	North	2209393	No	None	6	31.4	Sedentary	Moderate	1	Yes	No	95.6	9.5	163.3	Yes	None	7.7	7	6.8
2	18	Female	Central	387650	No	None	5	24.4	Active	Unhealthy	5	No	No	164.9	5	169.1	Yes	None	7.9	8	6
3	25	Male	North	383333	No	None	6	20	Moderate	Moderate	2	No	No	110.5	8.3	296.3	Yes	Type 1	7.6	8	4.6
4	22	Male	Northeast	2443733	No	None	4	39.8	Moderate	Unhealthy	4	No	Yes	160.7	4.6	252.8	No	None	9.5	2	10.9
5	19	Male	Central	1449463	No	None	4	19.2	Moderate	Moderate	0	No	Yes	73.7	5.3	252.3	No	None	6.4	2	1.3
6	21	Female	Central	2142229	Yes	None	3	36.4	Active	Unhealthy	4	No	No	78.9	4.7	249	Yes	Type 2	4	3	5.2
7	24	Female	North	2357529	No	Type 2	7	39	Moderate	Unhealthy	9	No	No	76.1	6.1	198.4	Yes	Type 2	4	9	4.9
8	17	Male	East	2395436	No	None	1	24.5	Moderate	Moderate	5	No	Yes	95.6	7.9	133.6	Yes	None	5	6	2.1
9	21	Female	East	1288764	No	Type 2	3	18.1	Sedentary	Healthy	0	No	No	177.2	5.1	235.9	No	None	9	2	6.8
10	25	Female	North	127666	Yes	None	3	17.7	Sedentary	Unhealthy	4	No	No	102.3	5.1	289.1	Yes	None	4.8	8	10.4
11	25	Male	Central	1117881	No	Type 1	5	25	Sedentary	Unhealthy	4	No	Yes	107.7	4.4	169.4	No	None	6.3	10	8.6

项目包含的文件，有需要的Q作者 

•