基于机器学习的糖尿病进展预测

用患者基线临床特征预测一年后糖尿病进展程度：融合医学知识的交互特征工程 + 五模型对比 + 熵权-TOPSIS 选模 + SHAP 揭示关键风险因素——带注释代码、技术文档、面试问答全配齐。

• 任务类型机器学习
• 专业方向医学/生物医学 · 计算机 · 数据科学

项目亮点

• 来源: sklearn内置糖尿病数据集 (`sklearn.datasets.load_diabetes`)
• 样本量: 442条患者记录
• 原始特征: 10个（年龄、性别、BMI、血压、6项血清指标）
• 工程特征: 3个（BMI×血压交互、TC/LDL比值、HDL/TCH比值）

数据与任务

如果你想找一个贴近医疗、又把可解释回归讲透的机器学习项目，这个「糖尿病进展预测」很合适。

它用患者基线指标预测疾病进展，配套也给你备齐了，帮你真正搞懂它、在面试和答辩里讲明白：带中文注释、能读懂的代码，一份从背景讲到每步实现的技术文档，一份把面试问题连答案都写好的问答文档，还有一整套能直接做 PPT 的配图。

先说清楚，它到底在做什么

糖尿病患者的进展速度因人而异，传统临床评估常依赖单一指标（如糖化血红蛋白），难以综合 BMI、血压、血脂等多因素的复杂交互。难点在于：要从一组基线生理指标，预测一年后的疾病进展程度，为个性化治疗提供量化参考。

这个项目搭了一条完整的回归预测流水线：在通用临床特征上融合医学知识构造交互特征（如 BMI×血压对应"肥胖合并高血压"的复合风险），对比五种模型，用熵权-TOPSIS 客观选模，最后用 SHAP 揭示哪些指标在推高疾病进展。

搞懂它，你能在面试里讲清楚什么

把下面几件事吃透，面试官顺着问下来你都能接得住。

怎么把医学知识融进特征工程。 这是项目最有特色的一点。不是盲目自动生成，而是基于病理机制构造交互项（BMI×血压）和比值（血脂指标比值）。你能借此讲清楚"领域知识驱动的特征工程"既有统计学严谨、又有临床可解释。

小样本 + 高相关场景下怎么选模型。 这是个能体现深度的点。当样本有限、特征间高度相关时，带正则化的线性模型（如 Lasso 的 L1 自动特征选择）往往比复杂的集成模型更稳、更不易过拟合。你能讲清楚"模型选型要看数据本质，而不是无脑追求复杂度"。

SHAP 怎么把模型讲成有临床味道的解释。 SHAP 蜂群图能展示每个指标是把进展往上推还是往下压，且排序与医学认知一致（BMI、血压等确实关键）——这在医疗 AI 里是建立信任的关键。

下面这组分析图也都给你做好了，可以直接放进答辩或面试 PPT：

更关键的是，每张图怎么跑出来的、该怎么解读，技术文档里都讲清楚了——你能说明白每张图到底说明了什么。

面试官会问的，都帮你备好了

随便感受几个这个项目真实会被追问的问题：

• 你那几个交互特征是基于什么医学机制构造的？
• 为什么在这个数据上线性模型可能比集成模型更合适？
• SHAP 和普通的特征重要性有什么区别？为什么在医疗场景更可信？

看到会愣一下？正常。配套的面试问答文档把这个项目——从整体思路到每个流程细节、各种可能被追问的点——连参考答案都给你写好了。另外还有现成的简历描述，照着改就能写进简历；那套配图也能直接套进 PPT 模板，快速出一份面试 / 答辩 PPT。

配套资料：搞懂一个项目需要的，这里全都有

先看那份技术文档——从背景、特征工程、模型对比一直讲到 TOPSIS 与 SHAP，图文并茂：

代码也给你了——关键部分都带着中文注释，帮你读懂"它到底是怎么实现的"：

技术文档、面试问答、源码注释、整套配图——搞懂一个项目、并在面试里讲清楚它，需要的全都备齐了。

适合谁

不管你是赶毕设、想给简历添个有分量的项目，还是在准备面试，这个题目都接得住。专业上，计算机、数据科学、人工智能、生物医学工程、临床医学交叉方向都很合适。医疗预测 + 可解释 AI 是很有价值的组合，把它真正搞懂、能讲出来，就是一个能写进简历、撑得起面试的项目。