机器学习（逻辑回归实现癌症预测）机器学习：逻辑回归实现癌症

1. 数据集介绍数据描述
（1）699 条样本，共 11 列数据，第一列用语检索的 id，后 9 列分别是与肿瘤
相关的医学特征，最后一列表示肿瘤类型的数值。
（2）包含 16 个缺失值，用”?”标出。

【机器学习（逻辑回归实现癌症预测）】该案例的数据我会上传到CSDN，请自行搜索下载

2. 案例分析

缺失值处理

# 将？转化为np.nan data.replace("?",np.nan,inplace=True) # 删除缺失值 data.dropna(how='any',axis=0,inplace=True)

标准化处理

# 将数据标准化处理 st =StandardScaler() st.fit_transform(x_train) st.fit_transform(x_test)

逻辑回归预测

# 进行逻辑回归预测 lg=LogisticRegression()# 训练数据 lg.fit(x_train,y_train)# 预测数据 y_predict=lg.predict(x_test)print("y_predict",y_predict)

预测的准确率

print("预测的准确率：",lg.score(x_test,y_test)) # 准确率为95以上，准确率很好

进行分类评估

report = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])

样本均衡情况下，不需要看auc，只是在样本不均衡的情况,auc很适合
计算AUC指标, 进行目标值处理 ,本来是 2 ,现在需要0 和 1

ytest = np.where(y_test > 2.5, 1, 0) res = roc_auc_score(y_test,y_predict) # auc指标为0.97

3. 全部代码

importpandas as pd importnumpy as npfromsklearn.model_selection import train_test_splitfromsklearn.preprocessing importStandardScaler# 逻辑回归 fromsklearn.linear_model importLogisticRegression# 模型评估 fromsklearn.metrics importclassification_report# AUC 指标计算 fromsklearn.metrics import roc_auc_score# 加载数据 data = https://www.it610.com/article/pd.read_csv("./breast-cancer-wisconsin.data") # print(data) # # print("data 的类型：",type(data))#设置列名称 columns = ['Sample code number','Clump Thickness','Uniformity of Cell Size','Uniformity of Cell Shape','Marginal Adhesion','Single Epithelial Cell Size','Bare Nuclei','Bland Chromatin','Normal Nucleoli','Mitoses','Class']# 先将数据转化为df # df_data = https://www.it610.com/article/pd.DataFrame(data.values,columns=columns) # # print(df_data)# 更改列名称 data.columns = columnsprint(data.shape)# 将？转化为np.nan data.replace("?",np.nan,inplace=True)# 可以使用dropnan进行删除缺失值 data.dropna(how='any',axis= 0 ,inplace=True)print("去除缺失值之后的形状：",data.shape)# 选取特征值，目标值 x = data.iloc[:,1:10].values y = data.iloc[:,-1].values # 进行数据集拆分 # 返回特征值 # 返回目标值 x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3)#数据的标准化处理 st = StandardScaler()# 进行标准化数据 st.fit_transform(x_train) st.fit_transform(x_test)# 进行逻辑回归预测 lg = LogisticRegression()# 训练数据 lg.fit(x_train,y_train)# 预测数据 y_predict = lg.predict(x_test)print("y_predict:",y_predict)print("权重：",lg.coef_)print("偏置：",lg.intercept_)# 预测的准确率--比对y_predict ,y_test print("预测的准确率：",lg.score(x_test,y_test)) # 准确率为95以上，准确率很好# 进行分类评估 report = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])print(report)# 样本均衡情况下，不需要看auc，只是在样本不均衡的情况,auc很适合 # 计算AUC指标 # 进行目标值处理 # 本来是 2 和4 # 现在需要0 和 1# y_test = np.where(y_test > 2.5, 1, 0) # # # print(y_test) # # res = roc_auc_score(y_test,y_predict) # auc指标为0.97 # # # # print(res)