SVM实战：如何进行乳腺癌检测

    # encoding=utf-8
    import pandas as pd
    import numpy as np
    data = pd.read_csv("C://Users//baihua//Desktop//data.csv",encoding='utf-8') #这里要注意，如果文件中有中文，本地文件一定要转换成 UTF-8的编码格式
    # 数据探索
    # 因为数据集中列比较多，我们需要把 dataframe 中的列全部显示出来
    pd.set_option('display.max_columns', None)
    print(data.columns)
    print(data.head(5))
    print(data.describe())
    # 将 B 良性替换为 0，M 恶性替换为 1
    data['diagnosis']=data['diagnosis'].map({'M':1,'B':0})
    
    
    
    
      
      
      
      
      
      
      
      
      
      
      
      
      
      
    
    代码解释

    #数据清洗
    # 将特征字段分成 3 组
    import pandas as pd
    import numpy as np
    features_mean= list(data.columns[2:12])
    features_se= list(data.columns[12:22])
    features_worst=list(data.columns[22:32])
    # 数据清洗
    # ID 列没有用，删除该列
    #ata.drop(columns=['id'],axis=1,inplace=True)
    
    
      
      
      
      
      
      
      
      
      
      
    
    代码解释

    # 将肿瘤诊断结果可视化
    import matplotlib.pyplot as plt
    import seaborn as sns
    import pandas as pd
    import matplotlib.pyplot as plt
    import seaborn as sns
    from sklearn.model_selection import train_test_split
    from sklearn import svm
    from sklearn import metrics
    from sklearn.preprocessing import StandardScaler
    plt.show()
    # 用热力图呈现 features_mean 字段之间的相关性
    corr = data[features_mean].corr()
    plt.figure(figsize=(14,14))
    # annot=True 显示每个方格的数据
    sns.heatmap(corr, annot=True)
    plt.show()
    
    
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
    
    代码解释

    # 特征选择，只选择了平均值这一维度，并且还去除了相关系数较大的特征值
    features_remain = ['radius_mean','texture_mean', 'smoothness_mean','compactness_mean','symmetry_mean', 'fractal_dimension_mean'] 
    
    
    
      
      
      
    
    代码解释

    # 抽取 30% 的数据作为测试集，其余作为训练集
    train, test = train_test_split(data, test_size = 0.3)# in this our main data is splitted into train and test
    # 抽取特征选择的数值作为训练和测试数据
    train_X = train[features_remain]
    train_y=train['diagnosis']
    test_X= test[features_remain]
    test_y =test['diagnosis']
    
    # 采用 Z-Score 规范化数据，保证每个特征维度的数据均值为 0，方差为 1
    ss = StandardScaler()
    train_X = ss.fit_transform(train_X)
    test_X = ss.transform(test_X)
    
    ``
    
    最后我们可以让 SVM 做训练和预测了：
    
    
    
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
    
    代码解释

![在这里插入图片描述]()
    
    提问：本例中我们使用默认核函数，请你用 LinearSVC，选取全部的特征（除了 ID 以外）作为训练数据，看下你的分类器能得到多少的准确度呢？
    
    上例中，只换核函数：
    
    
      
      
      
      
      
      
    
    代码解释

![在这里插入图片描述]()
    现在，我们将原来平均值特征，换成所有的特征值，
    
    
    
      
      
      
    
    代码解释

![在这里插入图片描述]()
    
    
    
      
      
    
    代码解释