利用Python进行医疗费用预测.zip

简介：
本项目采用Python编程语言及机器学习算法，旨在构建模型以预测医疗保健成本，助力医疗机构优化资源配置、控制支出并提供更高效的服务。 资源包含文件：设计报告word+源码分别通过全手写不调包实现随机森林、全手写不调包实现线性回归、借助 scikit-learn 包实现 GBDT、SVR、LassoRegression 和决策树模型来求解该问题。使用 randomizedSearchCV、GridSearchCV 以及手动调参三种方式进行模型参数调整，并对 RandomForest、GBDT、DecisionTree、SVR 和 LinerRegression 模型进行了模型融合，尝试了直接平均法、加权平均法和 stacking 堆叠法进行模型融合。同时利用 K 折交叉验证及留一法等多种方法评估模型性能。 读入数据集后，通过 describe 方法观察数据的大致情况，并使用 isnull().sum() 方法确认数据中不存在空值。测试集较小，仅包含1070行记录，在尽可能地利用现有数据的前提下无需进行舍弃或采样操作。然而在检查过程中发现存在相同的数据值。 详细介绍参考相关博客文章。