<blockquote>
Bệnh parkinson l&agrave; g&igrave;, c&oacute; c&aacute;ch n&agrave;o để ph&aacute;t hiện ch&iacute;nh x&aacute;c sự hiện diện của bệnh n&agrave;y tr&ecirc;n cơ thể người hay kh&ocirc;ng? C&acirc;u trả lời l&agrave; c&oacute;. Trong project n&agrave;y <a href="https://tek4.vn/" target="_blank" rel="noopener">tek4.vn</a> sẽ giới thiệu đến c&aacute;c bạn c&aacute;ch x&acirc;y dựng một m&ocirc; h&igrave;nh ph&aacute;t hiện bệnh parkinson. Trước ti&ecirc;n, h&atilde;y bắt đầu với việc l&agrave;m quen với c&aacute;c thuật ngữ được sử dụng trong b&agrave;i viết n&agrave;y nh&eacute;.
</blockquote>
<h3 style="text-align: justify;">Bệnh Parkinson L&agrave; G&igrave;</h3>
Bệnh Parkinson l&agrave; một bệnh rối loạn tiến triển của hệ thống thần kinh trung ương ảnh hưởng đến chuyển động v&agrave; kh&ocirc;ng thể kiểm so&aacute;t được vận động của cơ bắp, khiến cho con người đi lại kh&oacute; khăn, cử động chậm chạp, ch&acirc;n tay bị run cứng.&nbsp;Đ&acirc;y l&agrave; bệnh m&atilde;n t&iacute;nh v&agrave; chưa c&oacute; c&aacute;ch chữa trị.
<h3 class="fittexted_for_content_h4" style="text-align: justify;">XGBoost L&agrave; G&igrave;</h3>
XGBoost l&agrave; một thuật to&aacute;n học m&aacute;y mới, được thiết kế với tốc độ v&agrave; hiệu suất cao.&nbsp;XGBoost l&agrave; viết tắt của eXtreme Gradient Boosting, n&oacute; đơn giản l&agrave; giải thuật decision trees, &aacute;p dụng c&aacute;c kỹ thuật để kết hợp c&aacute;c tree, l&agrave;m mịn training loss v&agrave; regularization. Trong project n&agrave;y,&nbsp;ch&uacute;ng ta sẽ sử dụng XGBClassifier từ thư viện xgboost.
<h3 style="text-align: justify;">Giới Thiệu Về Project&nbsp;Ph&aacute;t Hiện Bệnh Parkinson</h3>
Trong project n&agrave;y, ch&uacute;ng ta sẽ x&acirc;y dựng m&ocirc; h&igrave;nh bằng c&aacute;ch sử dụng c&aacute;c thư viện của python:&nbsp;&nbsp;scikit-learn, numpy, pandas v&agrave; xgboost. Thực hiện load dữ liệu, lấy c&aacute;c đặc trưng v&agrave; nh&atilde;n, chia tỷ lệ c&aacute;c đặc trưng, chia nhỏ tập dữ liệu, tạo XGBClassifier v&agrave; sau đ&oacute; t&iacute;nh to&aacute;n độ ch&iacute;nh x&aacute;c của m&ocirc; h&igrave;nh.
<h4 style="text-align: justify;">Tập Dữ Liệu Sử Dụng</h4>
Ch&uacute;ng ta sẽ sử dụng tập dữ liệu&nbsp;UCI ML Parkinsons, bạn c&oacute; thể tải xuống <a href="https://drive.google.com/drive/folders/1b0xwOdp85ZOXLymfYhTLgz6Rfv6FTx-O?usp=sharing" target="_blank" rel="noopener">TẠI Đ&Acirc;Y</a>. Tập dữ liệu c&oacute; 24 cột v&agrave; 195 d&ograve;ng với dung lượng chỉ c&oacute; 39,7 KB.
<h4 style="text-align: justify;">Y&ecirc;u Cầu Của Project</h4>
Trước hết bạn cần c&agrave;i đặt c&aacute;c thư viện dưới đ&acirc;y bằng pip:
<pre><code class="python">pip install numpy pandas sklearn xgboost</code></pre>
Bạn cũng cần c&agrave;i đặt jupyter lab để bắt đầu code hoặc cũng c&oacute; thể sử dụng google colab.
<h3 style="text-align: justify;">X&acirc;y Dựng M&ocirc; H&igrave;nh</h3>
Bước 1: Import c&aacute;c thư viện cần thiết
<pre class="EnlighterJSRAW" data-enlighter-language="python">import numpy as np 
import pandas as pd 
import os, sys from sklearn.preprocessing 
import MinMaxScaler from xgboost 
import XGBClassifier from sklearn.model_selection 
import train_test_split from sklearn.metrics 
import accuracy_score</pre>
Bước 2: Load dữ liệu v&agrave;o dataframe v&agrave; hiển thị 5 d&ograve;ng đầu của dữ liệu
<pre class="EnlighterJSRAW" data-enlighter-language="python">#Tek4.vn - Read the data 
df=pd.read_csv('/content/drive/MyDrive/TEK4VN/parkinson/parkinson.data) 
df.head()</pre>
<img src="https://tek4.vn/public_files/3633c9b7-5485-47e8-9753-74991880f556" alt="" width="700" height="170" />
Bước 3:&nbsp;Nhận c&aacute;c đặc trưng v&agrave; nh&atilde;n từ dataframe.&nbsp;C&aacute;c đặc trưng l&agrave; tất cả c&aacute;c cột ngoại trừ 'status' v&agrave; nh&atilde;n l&agrave; những &ocirc; trong cột 'status'
<pre><code class="python">#Tek4.vn - Nhận c&aacute;c đặc trưng v&agrave; nh&atilde;n
features=df.loc[:,df.columns!='status'].values[:,1:]
labels=df.loc[:,'status'].values</code></pre>
Bước 4: Cột 'status' c&oacute; 2 nh&atilde;n l&agrave; 0 v&agrave; 1, b&acirc;y giờ sẽ t&iacute;nh tổng số nh&atilde;n 0 v&agrave; số nh&atilde;n 1.
<pre><code class="python">#Tek4.vn - Đếm số lượng của từng nh&atilde;n 0 v&agrave; 1
print(labels[labels==1].shape[0], labels[labels==0].shape[0])</code></pre>
<img src="https://tek4.vn/public_files/e286541c-d42b-4727-b9f1-79e43f689dff" alt="" width="700" height="124" />
Ch&uacute;ng ta c&oacute; 147 nh&atilde;n 1 v&agrave; 48 nh&atilde;n 0.
Bước 5:&nbsp;Khởi tạo một MinMaxScaler v&agrave; chia tỷ lệ c&aacute;c đặc trưng từ -1 đến 1 để chuẩn h&oacute;a ch&uacute;ng.&nbsp;MinMaxScaler chuyển đổi c&aacute;c đặc trưng bằng c&aacute;ch chia tỷ lệ ch&uacute;ng th&agrave;nh một phạm vi nhất định.&nbsp;Phương thức fit_transform() fits với dữ liệu v&agrave; sau đ&oacute; biến đổi n&oacute;.&nbsp;Ch&uacute;ng ta kh&ocirc;ng cần chia tỷ lệ c&aacute;c nh&atilde;n.
<pre><code class="python">#Tek4.vn - Chia tỉ lệ c&aacute;c đặc trưng từ -1 đến 1
scaler=MinMaxScaler((-1,1))
x=scaler.fit_transform(features)
y=labels</code></pre>
Bước 6:&nbsp;B&acirc;y giờ, h&atilde;y chia tập dữ liệu th&agrave;nh c&aacute;c tập training set v&agrave; testing set, lấy 20% dữ liệu để test.
<pre><code class="python">#Tek4.vn- Chia tập dữ liệu
x_train,x_test,y_train,y_test=train_test_split(x, y, test_size=0.2, random_state=7)</code></pre>
Bước 7:&nbsp;Khởi tạo XGBClassifier v&agrave; đ&agrave;o tạo m&ocirc; h&igrave;nh. Ph&acirc;n loại bằng c&aacute;ch sử dụng eXtreme Gradient Boosting.
<pre><code class="python">#Tek4.vn - Train the model
model=XGBClassifier()
model.fit(x_train,y_train)</code></pre>
<img src="https://tek4.vn/public_files/109ba1e7-3774-4744-9630-27fafc67e1b7" alt="" width="700" height="244" />
Bước 8:&nbsp;Cuối c&ugrave;ng, tạo y_pred (gi&aacute; trị dự đo&aacute;n cho x_test) v&agrave; t&iacute;nh độ ch&iacute;nh x&aacute;c cho m&ocirc; h&igrave;nh.
<pre><code class="python"># Tek4.vn - Dự đo&aacute;n v&agrave; t&iacute;nh to&aacute;n độ ch&iacute;nh x&aacute;c
y_pred=model.predict(x_test)
print(accuracy_score(y_test, y_pred)*100)</code></pre>
<img src="https://tek4.vn/public_files/c3354568-b3ee-43d7-937a-8fb389437451" alt="" width="700" height="161" />
<h3 style="text-align: justify;">Kết Luận</h3>
Trong project n&agrave;y ch&uacute;ng ta đ&atilde; học c&aacute;ch ph&aacute;t hiện sự hiện diện của Bệnh Parkinson ở con người bằng c&aacute;ch sử dụng c&aacute;c đặc trưng kh&aacute;c nhau. Ch&uacute;ng ta đ&atilde;&nbsp;sử dụng XGBClassifier cho việc n&agrave;y v&agrave; sử dụng thư viện sklearn để chuẩn bị tập dữ liệu.&nbsp;Điều n&agrave;y đ&atilde; mang lại cho ch&uacute;ng ta độ ch&iacute;nh x&aacute;c l&agrave; 94,87%.&nbsp;Hi vọng bạn th&agrave;nh c&ocirc;ng với project n&agrave;y, h&atilde;y tiếp tục truy cập v&agrave;o&nbsp;<a href="https://tek4.vn/" target="_blank" rel="noopener">Tek4.vn</a>&nbsp;để thực h&agrave;nh c&aacute;c project về Deep Learning th&uacute; vị kh&aacute;c nh&eacute;!
&nbsp;
<hr />
Fanpage Facebook:&nbsp;<a href="https://www.facebook.com/tek4.vn/">TEK4.VN</a>&nbsp;
Tham gia cộng đồng để chia sẻ, trao đổi v&agrave; thảo luận:&nbsp;<a href="https://www.facebook.com/groups/tek4.vn/">TEK4.VN - Học Lập Tr&igrave;nh Miễn Ph&iacute;</a>

Admin

Phát Hiện Bệnh Parkinson Sử Dụng Thuật Toán XGBoost

Cùng tác giả

Admin

Có liên quan