皮马印第安人糖尿病数据集，书上的网站链接已经失效了

糖尿病预测 使用神经网络预测皮马印第安人的糖尿病 我们有皮马印第安人糖尿病数据集。 我们要预测具有某些特征的庇护者是否患有糖尿病。 因此，这是一个二元分类问题，我们使用具有3层的神经网络进行预测。 有8个特征（输入项），包括：1.怀孕次数2.口服葡萄糖耐量测试中2小时的血浆葡萄糖浓度。 3.舒张压（mm Hg）。 4.三头肌皮褶厚度（mm）。 5.2小时血清胰岛素（mu U / ml）。 6.身体质量指数（体重以千克/（身高以米）^ 2为单位）。 7，糖尿病谱系功能8.Age（年）。 我们在隐藏层中设计了100个激活。 最终使用FP和BP算法以及先进的优化技术，我们在训练集上获得了93％的准确性。

pima_prediction 针对皮马印第安人的Scikit-Learn机器学习模型，用于预测患上糖尿病的可能性。 数据来自杰里·库拉塔（Jerry Kurata）的“学位”课程。 我使用数据文件和Jerry的课程来使自己沉浸在机器学习工作流程中。 Jupyter-Notebook遍历了数据处理以及多种模型的训练/评估。 我对注释和代码进行了编辑，以帮助我自己理解。

该数据集最初来自美国国立糖尿病与消化与肾脏疾病研究所。数据集的目的是基于数据集中包含的某些诊断测量值来诊断预测患者是否患有糖尿病。 diabetes.csv

皮马印第安人糖尿病数据集 数据集共9个字段: 0列为pregnants(怀孕次数)； 1列为Plasma_glucose_concentration(口服葡萄糖耐量试验中2小时后的血浆葡萄糖浓度)； 2列为blood_pressure(舒张压,单位:mm Hg） 3列为Triceps_skin_fold_thickness(三头肌皮褶厚度,单位：mm） 4列为serum_insulin(餐后血清胰岛素,单位:mm） 5列为BMI,体重指数(体重(公斤/身高(米)^2) 6列为Diabetes_pedigree_function(糖尿病家系作用) 7列为Age(年龄) 8列为Target(分类变量,0或1）

已将文件设为CSV格式，并且添加了表头文件，设置为中文方便阅读理解，很多人没有积分，这里也设置为免费，大家一起加油