基于Fuzzy_Diabetes项目的糖尿病诊断模型构建与比较

项目概述

本项目实现了一个完整的糖尿病诊断模型构建流程，结合了传统机器学习方法（KNN、SVM、随机森林）和自适应神经模糊推理系统（ANFIS）。通过对比分析不同模型在糖尿病数据集上的表现，为医疗诊断提供了一种有效的辅助决策方案。

环境准备

在开始项目前，需要安装以下必要的Python库：

!pip install scikit-learn pandas matplotlib joblib sanfis

这些库包含了数据处理、机器学习模型实现和可视化所需的工具。

数据预处理

数据加载与清洗

# 加载数据集
df = pd.read_csv("diabetes.csv")

# 处理缺失值（将0替换为列均值）
zero_fill_cols = ['Glucose','BloodPressure','SkinThickness','Insulin','BMI']
for col in zero_fill_cols:
    df[col] = df[col].replace(0, np.nan)
    df[col] = df[col].fillna(df[col].mean())

# 去除异常值
df = df[(df['BMI'] <= 67) & (df['Insulin'] <= 846)]

特征选择与标准化

根据医学研究，我们选择了以下四个关键特征：

• 怀孕次数(Pregnancies)
• 葡萄糖浓度(Glucose)
• 身体质量指数(BMI)
• 糖尿病谱系功能(DiabetesPedigreeFunction)

features = ["Pregnancies", "Glucose", "BMI", "DiabetesPedigreeFunction"]
X = df[features].values
y = df["Outcome"].values

# 数据标准化
scaler = StandardScaler()
X_std = scaler.fit_transform(X)
X_train, X_test, y_train, y_test = train_test_split(
    X_std, y, test_size=0.3, random_state=42, stratify=y
)

传统机器学习模型构建

K最近邻(KNN)模型

knn = KNeighborsClassifier(n_neighbors=7, weights='distance')
knn.fit(X_train, y_train)
joblib.dump(knn, "model/knn_model.pkl")

支持向量机(SVM)模型

svm = SVC(kernel='rbf', C=1, gamma='auto', probability=True, random_state=42)
svm.fit(X_train, y_train)
joblib.dump(svm, "model/svm_model.pkl")

随机森林(RF)模型

rf = RandomForestClassifier(n_estimators=150, max_depth=7, random_state=42)
rf.fit(X_train, y_train)
joblib.dump(rf, "model/rf_model.pkl")

自适应神经模糊推理系统(ANFIS)实现

ANFIS结合了神经网络的学习能力和模糊系统的推理能力，特别适合处理医学诊断这类模糊性问题。

# 定义隶属函数参数
MEMBFUNCS = [
    {'function': 'gaussian', 'n_memb': 7,
     'params': {'mu': {'value': linspace(-1, 1, 7).tolist(), 'trainable': True},
                'sigma': {'value': [0.8]*7, 'trainable': True}}},
    {'function': 'bell', 'n_memb': 7,
     'params': {'c': {'value': linspace(-1, 1, 7).tolist(), 'trainable': True},
                'a': {'value': [2.0]*7, 'trainable': False},
                'b': {'value': [3.0]*7, 'trainable': False}}},
    {'function': 'gaussian', 'n_memb': 7,
     'params': {'mu': {'value': linspace(-1, 1, 7).tolist(), 'trainable': True},
                'sigma': {'value': [0.8]*7, 'trainable': True}}},
    {'function': 'sigmoid', 'n_memb': 7,
     'params': {'c': {'value': linspace(-1, 1, 7).tolist(), 'trainable': True},
                'gamma': {'value': [-3.0, -2.0, -1.0, 0, 1.0, 2.0, 3.0], 'trainable': True}}}
]

# 模型训练
model = SANFIS(membfuncs=MEMBFUNCS, n_input=4, scale='Std')
optimizer = torch.optim.AdamW(model.parameters(), lr=0.002)
loss_fn = torch.nn.MSELoss(reduction='mean')
history = model.fit(train_data=[X_train_torch, y_train_torch],
                    valid_data=[X_test_torch, y_test_torch],
                    optimizer=optimizer,
                    loss_function=loss_fn,
                    epochs=1000)

# 模型保存
torch.save(model.state_dict(), 'model/anfis_model.pt')

模型性能比较

我们对四种模型在测试集上的表现进行了全面评估，使用准确率(Accuracy)、F1分数和AUC三个指标：

模型	准确率	F1分数	AUC
KNN	0.710	0.544	0.786
SVM	0.723	0.522	0.770
RF	0.745	0.593	0.815
ANFIS	0.758	0.606	0.827

从结果可以看出：

1. ANFIS模型在所有指标上都表现最佳，特别是在AUC指标上达到0.827
2. 随机森林作为传统机器学习方法中的最佳模型，表现接近ANFIS
3. SVM虽然准确率略高于KNN，但在F1分数上表现最差

结论与建议

1. 模型选择：对于糖尿病诊断这类医学问题，ANFIS因其能够处理模糊性和不确定性，表现出最佳性能
2. 特征工程：BMI和葡萄糖浓度是最重要的两个预测指标，这与医学常识一致
3. 实际应用：建议将ANFIS模型集成到医疗辅助诊断系统中，但需要结合医生的专业判断
4. 改进方向：可以尝试增加更多临床特征，或结合深度学习模型进一步提升性能

本项目的完整实现展示了从数据预处理到模型构建、评估的全流程，为医疗AI应用提供了一个可复用的框架。