【机器学习】逻辑回归—良／恶性乳腺癌肿瘤预测
发布时间
阅读量：
阅读量
逻辑回归—良／恶性乳腺癌肿瘤预测
- 逻辑回归的目标函数及其优化过程
与线性回归原理相同, 但因其为分类任务, 目标函数有所差异, 需要依赖于使用梯度下降算法来寻找最优参数
sklearn中提供了逻辑回归相关的API
sklearn.linear_model.LogisticRegression- LogisticRegression
sklearn.linear_model.LogisticRegression(penalty=‘l2’, C = 1.0)
Logistic回归分类器
coef_：回归系数只能解决二分类问题：
广告点击率
判断用户的性别
预测用户是否会购买给定的商品类
判断一条评论是正面的还是负面的
LogisticRegression回归案例-良／恶性乳腺癌肿瘤预测
良性恶性乳腺癌肿数据
7.属性域
1.样本编号ID号
2.组织块厚度（mm）
3.细胞大小的一致性（%）
4.细胞形状的一致性（%）
5.边缘粘着力（单位：MPa）
6.单上皮细胞大小（μm）
7.裸核度
8.淡染色质状态（%）
9.均匀核仁状态（%）
10.线粒体数目密度（/mm²）
11.分级结果：其中2级代表良性组织特征，
4级代表恶性组织特征
8.缺少属性值：16
第1到第6组中的16个实例包含一个缺失项
（即不可用）属性值，现在用“？”表示。9.班级分布：
良性：458（65.5％）
恶性：241（34.5％）此处恶性为正例，良性为反例。
哪一个类别少，判定概率值是这个类别！
数据描述
（1）本研究共收集了699条样本数据，这些样本总计包含11项指标。其中第一列为用于检索的唯一标识符，在其余九列中分别记录了与肿瘤相关的医学特征信息；最后一列为表示肿瘤类型的状态数值。
（2）在研究数据中发现存在16个缺失记录，并具体位置以问号'?'标注。
pandas使用
pd.read_csv(’’,names=column_names)
column_names：指定类别名字,['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']
return:数据
replace(to_replace=’’,value=)：返回数据
dropna():返回数据- 良性与恶性乳腺癌肿分类模型
- 从网络上获取数据，并利用Python中的pandas库进行操作
- 对数据进行缺失值处理以及标准化处理
- 使用逻辑回归估计器建立分类模型
from sklearn.linear_model import LinearRegression, SGDRegressor, Ridge, LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error, classification_report
import pandas as pd
import numpy as np
def logistic():
"""
逻辑回归做二分类进行癌症预测（根据细胞的属性特征）
:return: NOne
"""
# 构造列标签名字
column = ['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']
# 读取数据
data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data", names=column)
print(data)
# 缺失值进行处理
data = data.replace(to_replace='?', value=np.nan)
#删除
data = data.dropna()
# 进行数据的分割
x_train, x_test, y_train, y_test = train_test_split(data[column[1:10]], data[column[10]], test_size=0.25)
#1-10列是特征值，最后一列10代表11列目标值
# 进行标准化处理
std = StandardScaler()
x_train = std.fit_transform(x_train)
x_test = std.transform(x_test)
# 逻辑回归预测
lg = LogisticRegression(C=1.0)
lg.fit(x_train, y_train)
print(lg.coef_)
y_predict = lg.predict(x_test)
print("准确率：", lg.score(x_test, y_test))
print("召回率：", classification_report(y_test, y_predict, labels=[2, 4], target_names=["良性", "恶性"]))
return None
if __name__ == "__main__":
logistic() [699 rows x 11 columns]
[[1.35467578 0.18001121 0.74721681 0.89447017 0.38691172 1.26415265
95382046 0.53218847 0.51240579]]
准确率： 0.9707602339181286
召回率： precision recall f1-score support
良性 0.97 0.98 0.98 112
恶性 0.97 0.95 0.96 59
accuracy 0.97 171
macro avg 0.97 0.97 0.97 171
weighted avg 0.97 0.97 0.97 171全部评论 (0)
还没有任何评论哟~