机器学习实例（一）良/恶性乳腺癌肿瘤预测

    import pandas as pd
    import numpy as np
    
    # 创建特征列表
    column_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']
    
    # 使用pandas.read_csv函数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)
    
    # 丢弃带有缺失值的数据（只要有一个维度有缺失）
    data = data.dropna(how='any')
    
    print(data.shape) # (683,11)

    # 使用sklearn.model_selection里的train_test_split模块用于分割数据
    from sklearn.model_selection import train_test_split
    
    # 随机采样25%的数据用于测试，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())

    # 从sklearn.preprocessing里导入StandardScaler
    from sklearn.preprocessing import StandardScaler
    
    # 从sklearn.linear_model里导入LogisticRegression与SGDClassifier
    from sklearn.linear_model import LogisticRegression
    from sklearn.linear_model import SGDClassifier
    
    # 标准化数据，保证每个维度的特征数据方差为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,即归一化
    ss = StandardScaler()
    X_train = ss.fit_transform(X_train)
    X_test = ss.transform(X_test)
    
    # 初始化LogisticRegression与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,结果存储在变量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,结果存储在变量sgdc_y_predicet中
    sgdc_y_predict = sgdc.predict(X_test)

    # 从sklearn.metrics里导入classification_report模块
    from sklearn.metrics import classification_report
    
    # 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('Accuracy of LR Classifier:', lr.score(X_test, y_test))
    
    # 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结果
    print('Accuracy of SGD Classifier:', sgdc.score(X_test, y_test))
    
    # 利用classification_report模块获得SGDClassifier其他三个指标的结果
    print(classification_report(y_test, sgdc_y_predict, target_names=['Benign', 'Malignant']))