• 数据介绍癌症数据.png

原始数据的下载地址：https://archive.ics.uci.edu/ml/machine-learning-databases/

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。

1 分析

  1. 1.获取数据
  2. 2.基本数据处理
  3. 2.1 缺失值处理
  4. 2.2 确定特征值,目标值
  5. 2.3 分割数据
  6. 3.特征工程(标准化)
  7. 4.机器学习(逻辑回归)
  8. 5.模型评估

2 代码

  1. import pandas as pd
  2. import numpy as np
  3. from sklearn.model_selection import train_test_split
  4. from sklearn.preprocessing import StandardScaler
  5. from sklearn.linear_model import LogisticRegression
  7. import ssl
  8. ssl._create_default_https_context = ssl._create_unverified_context
  1. # 1.获取数据
  2. names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape',
  3.                    'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin',
  4.                    'Normal Nucleoli', 'Mitoses', 'Class']
  6. data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",
  7.                   names=names)
  8. data.head()
  1. # 2.基本数据处理
  2. # 2.1 缺失值处理
  3. data = data.replace(to_replace="?", value=np.NaN)
  4. data = data.dropna()
  5. # 2.2 确定特征值,目标值
  6. x = data.iloc[:, 1:10]
  7. x.head()
  8. y = data["Class"]
  9. y.head()
  10. # 2.3 分割数据
  11. x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)
  1. # 3.特征工程(标准化)
  2. transfer = StandardScaler()
  3. x_train = transfer.fit_transform(x_train)
  4. x_test = transfer.transform(x_test)
  1. # 4.机器学习(逻辑回归)
  2. estimator = LogisticRegression()
  3. estimator.fit(x_train, y_train)
  1. # 5.模型评估
  2. y_predict = estimator.predict(x_test)
  3. y_predict
  4. estimator.score(x_test, y_test)

在很多分类场景当中我们不一定只关注预测的准确率！！！！！

比如以这个癌症举例子！！！我们并不关注预测的准确率，而是关注在所有的样本当中，癌症患者有没有被全部预测（检测）出来。