Python机器学习入门1.2《良、恶性乳腺肿瘤预测》 _肿瘤

文章插图
可以看到中间有的数据含有？，因此需要将其替换为标准缺失值，并丢弃。
data数据结果：

文章插图
代码如下：

文章插图

#导入相关包import pandas as pdimport numpy as np#创建特征列表column_names=['Sample code number','Clump Thickness','Uniformity Cell Size','Uniformity of Cell Shape','Marginal Adhesion','Single Epithelial Cell Size','Bare Nuclei','Bland Chromatin','Normal Nucleoli','Mitoses','Class']#从互联网读取指定数据data=http://www.kingceram.com/post/pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data',names=column_names)#将？替换为标准缺失值表示data=data.replace(to_replace='?',value=np.nan)#丢失带有缺失值的数据（只要有一个维度有缺失）data=data.dropna(how='any')#输出data的数据量和维度data.shapeprint(data.shape)

准备良、恶性乳腺癌肿瘤训练、测试数据：

#分割数据from sklearn.cross_validation import train_test_split#随机采样25%数据用于测试，剩下的75%用于构建训练集合X_train, X_test, y_train, y_test=train_test_split(data[column_names[1:10]],data[column_names[10]],test_size=0.25, random_state=33)#查验训练样本的数量和类别分布print(y_train.value_counts())#查验测试样本的数量和类别分布print(y_test.value_counts())

使用线性分类模型从事良、恶性肿瘤预测任务：

文章插图

#使用线性分类模型从事良、恶性肿瘤预测任务from sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LogisticRegressionfrom sklearn.linear_model import SGDClassifier#标准化测试数据，保证每个维度方差为1，均值为0.使得预测结果不会被某些维度过大的特征值而主导ss=StandardScaler()X_train=ss.fit_transform(X_train)X_test=ss.fit_transform(X_test)#初始化LogisticRegression 和 SGDClassifierlr=LogisticRegression()sgdc=SGDClassifier()#调用LogisticRegression中的fit函数、模块用来训练模型参数lr.fit(X_train,y_train)#使用训练好的模型lr对X_test进行预测，结果储存在变量lr_y_predict中lr_y_predict=lr.predict(X_test)#调用SGDClassifier中的fit函数、模块用来训练模型参数sgdc.fit(X_train,y_train)#使用训练好的模型sgdc对X_test进行预测，结果储存在变量sgdc_y_predict中sgdc_y_predict=sgdc.predict(X_test)

使用线性分类模型从事良、恶性肿瘤预测任务的性能分析：

#使用逻辑斯蒂回归模型自带的评分函数score获得模型在测试集上的准确性结果print('Accurary of LR Classifier:',lr.score(X_test,y_test))from sklearn.metrics import classification_report#利用classification_report 模块获得LogisticRegression其他三个指标的结果print(classification_report(y_test,lr_y_predict,target_names=['Benign','Malignant']))#使用随机梯度下降模型自带的评分函数score获得模型在测试集上的准确性的结果print('Accuarcy SGD Classifier:',sgdc.score(X_test,y_test))#利用classification_report模块SGDClassifier其他三个指标的结果print(classification_report(y_test,sgdc_y_predict,target_names=['Benign','Malignant']))

最后一个结果如下：
【Python机器学习入门1.2《良、恶性乳腺肿瘤预测》】

文章插图