癌症分类预测-良／恶性乳腺癌肿瘤预测

数据介绍

• https://archive.ics.uci.edu/ml/machine-learning-databases/

  

  https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/

  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。

分析

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

代码实现

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

#ssl报错的话就导入
import ssl
ssl._create_default_https_context = ssl._create_unverified_context

# 1.获取数据
names = ['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']

data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",
                  names=names)
data.head()

上述代码可以直接导入先看看结果，因为列名不对 所以才用names指定列名

# 2.基本数据处理
# 2.1 缺失值处理
data = data.replace(to_replace="?", value=np.NaN)
data = data.dropna()
# 2.2 确定特征值,目标值
x = data.iloc[:, 1:10]
x.head()
y = data["Class"]
y.head()
# 2.3 分割数据
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)

data.ioc[:,1:10]  解释

：表示所有行

1:10 表示1到10列

# 3.特征工程(标准化)
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

以上是对数据进行标准化处理

# 4.机器学习(逻辑回归)
estimator = LogisticRegression()
estimator.fit(x_train, y_train)

采用逻辑回归  将训练数据 和 训练的目标值y 传进去

自动出结果

# 5.模型评估
y_predict = estimator.predict(x_test)
y_predict
estimator.score(x_test, y_test)

用测试数据苹果预测结果！