糖尿病逻辑回归 使用Logistic回归预测一个人是否患有糖尿病。

Scikit学习示例 scikit学习技术示例 线性回归 看一个单一的功能（bmi和糖尿病） 综观多个功能（糖尿病数据集） 梯度下降 多项式回归 使用多项式回归（糖尿病数据集） 逻辑回归 看一个多个特征（恶性或良性乳腺癌） 支持向量机 线性支持向量机 非线性支持向量机 SVM回归 决策树 随机森林 K代表

使用Logistic回归的糖尿病分类模型 据估计，全世界有4.15亿人患有糖尿病，估计占世界成年人口的11分之一。 46％的糖尿病患者未被诊断。 作为“彩色计算机视觉编码器”课程的一部分，我们学习了许多不同的机器学习算法，以及如何将它们用于解决现实世界中的问题。 对于实用分类，我选择浏览包含糖尿病最常见症状的糖尿病数据集。 我的模型能够弄清楚“多尿症”和“多尿症”是最常见的糖尿病指标。 我用来解决此任务的方法是： 数据集 数据上传到AWS S3- 建立 用法

机器学习作业 理学硕士（健康数据科学）的机器学习作业 此仓库中有两个任务： 使用逻辑回归和随机森林分类器预测医院的再入院（小组项目） 使用Logisitc回归，梯度增强树和神经网络预测糖尿病的发作（个人计划）