使用线性分类模型从事良/恶性肿瘤预测任务

#-*- coding: utf-8 -*-# 导入pandas 与 numpy工具包import pandas as pdimport 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(只有一个维度有缺失)data = data.dropna(how='any')# 输出data的数据量和维度print(data.shape)# 使用sklearn.cross_valitation里的train_test_split模块用于分割数据# 已经废弃from sklearn.cross_validation import train_test_splitfrom 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.prepprocessing里导入StandardScalerfrom sklearn.preprocessing import StandardScaler# 从sklearn.linear_model里导入LogisticRegression与SGDClassifierfrom sklearn.linear_model import LogisticRegressionfrom sklearn.linear_model import SGDClassifier# 标准化数据，保证每个维度的特征数方差为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ss = StandardScaler()X_train = ss.fit_transform(X_train)X_test = ss.transform(X_test)# 初始化LogisticRegression与SGDClasssfierlr = 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，结果储存在变量lr_y_predictlr_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，结果储存在变量sgdc_y_predict中sgdc_y_predict = sgdc.predict(X_test)# 从sklearn.metrics里导入classifivation_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 'Accuarcy 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'])

输出结果：