Python机器学习入门1.2《良、恶性乳腺肿瘤预测》

在看这篇博客之前，你应该先看我的上一篇博客Python机器学习入门1.1《良、恶性乳腺肿瘤预测》

监督学习之分类学习：

线性分类器： 这里用到的是Logistic函数，在本篇中不打算细讲，有兴趣可以去了解。

First：良、恶性肿瘤数据预处理

我们进入数据的网页查看：
https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data

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：

代码如下： 

#导入相关包
import pandas as pd
import 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=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.shape
print(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：

#使用线性分类模型从事良、恶性肿瘤预测任务
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from 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 SGDClassifier
lr=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：