一款使用sklearn基础包机器学习糖尿病患者体内微生物含量数据的软件

微生物与人类共生，对人类的健康影响重大，人体内各类微生物的含量和状态应该保持稳态，除非人体患病。

目前二大测序技术的广泛普及，从患者体内获取样本直接测宏基因组的含量变得非常可行。

我获取了4400名健康和患糖尿病的数据，体内的微生物含量以及换算成百分比，加和比例接近1。使用sklearn机器学习包，为4400个样本建立模型，希望通过机器学习来区分健康与糖尿病患者，仅仅根据他们体内的微生物含量数据。

数据的一部分，保存为abundance.txt

下面上代码

import warnings
import pandas as pd
import random
import sys
from sklearn.ensemble import RandomForestClassifier
import numpy as np, numpy.random
from sklearn import svm
from sklearn.linear_model import LogisticRegression
from sklearn.neural_network import MLPClassifier

print('请稍等，正在读取数据','<-'*5)
warnings.filterwarnings('ignore')
df=pd.read_csv('abundance.txt',sep=None,header=None)
print('你好，欢迎使用由高端设计的人体微生物宏基因组机器学习软件')
print('本软件希望使用机器学习的来建立人体微生物菌群环境的变化和糖尿病2型的预测模型,一共有400多名实验样本参与，包括健康的患病的')
print('='*35,'软件菜单','='*35)
print('1.浏览数据的前5行')
print('2.随机挑选出1个样本')
print('3.使用Random Forest分类方法建立模型')
print('4.使用Support Vector分类方法建立模型')
print('5.使用Logistic Regression分类方法建立模型')
print('6.使用Neuron Network分类方法建立模型')


print('7.退出软件')
#print(df.iloc[1,])
#lis={i for i in df.iloc[1,]}
#print(lis)
#print(df.iloc[607,1])
#print(df.iloc[2,440])

#print(len(lis))
#df3=pd.DataFrame([[1,2],[3,3],[4,1]])
#r=[0,1,0]

#print(clf)

choice=input('请从菜单选择你需要的选项->>>')
while choice!='7':
    if choice=='7':
        sys.exit(0)
    elif choice=='1':
        print(df.head())
    elif choice=='2':
        print(df.iloc[:,[0,random.randint(0,440)]])
    elif choice=='3':
        df2=df.iloc[2:608,1:441].T
        dic={'n':0,'t2d':1}
        lis=[dic[i] for i in df.iloc[1,1:]]
        clf = RandomForestClassifier(n_estimators=100, max_depth=2,random_state=0)
        clf.fit(df2,lis)
        print('模型已经建立完毕')
        print('1.使用随机的一个样本进行预测患病与否')
        print('2.使用随机生成的虚拟样本进行预测患病与否')
        user=input('请选择>>>>>>')
        if user=='1':
            sample=df2.iloc[random.randint(0,440),:]
            print('样本为\n',sample)
            result=clf.predict([sample])
            print(len(sample))
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')
            #print({'0':'该样本健康','1':'该样本患病'}result)


        else:
            
            sample=np.random.dirichlet(np.ones(606),size=1)
            print('样本为\n',sample)
            result=clf.predict(sample)
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')
    elif choice=='4':
        df2=df.iloc[2:608,1:441].T
        dic={'n':0,'t2d':1}
        lis=[dic[i] for i in df.iloc[1,1:]]
        clf = svm.SVC()
        clf.fit(df2,lis)
        print('模型已经建立完毕')
        print('1.使用随机的一个样本进行预测患病与否')
        print('2.使用随机生成的虚拟样本进行预测患病与否')
        user=input('请选择>>>>>>')
        if user=='1':
            sample=df2.iloc[random.randint(0,440),:]
            print('样本为\n',sample)
            result=clf.predict([sample])
            print(len(sample))
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')
            #print({'0':'该样本健康','1':'该样本患病'}result)


        else:
            
            sample=np.random.dirichlet(np.ones(606),size=1)
            print('样本为\n',sample)
            result=clf.predict(sample)
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')    
    elif choice=='5':
        df2=df.iloc[2:608,1:441].T
        dic={'n':0,'t2d':1}
        lis=[dic[i] for i in df.iloc[1,1:]]
        clf = LogisticRegression()
        clf.fit(df2,lis)
        print('模型已经建立完毕')
        print('1.使用随机的一个样本进行预测患病与否')
        print('2.使用随机生成的虚拟样本进行预测患病与否')
        user=input('请选择>>>>>>')
        if user=='1':
            sample=df2.iloc[random.randint(0,440),:]
            print('样本为\n',sample)
            result=clf.predict([sample])
            print(len(sample))
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')
            #print({'0':'该样本健康','1':'该样本患病'}result)


        else:
            
            sample=np.random.dirichlet(np.ones(606),size=1)
            print('样本为\n',sample)
            result=clf.predict(sample)
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')
    elif choice=='6':
        df2=df.iloc[2:608,1:441].T
        dic={'n':0,'t2d':1}
        lis=[dic[i] for i in df.iloc[1,1:]]
        clf = MLPClassifier(solver='lbfgs', alpha=1e-5,hidden_layer_sizes=(5, 2), random_state=1)
        clf.fit(df2,lis)
        print('模型已经建立完毕')
        print('1.使用随机的一个样本进行预测患病与否')
        print('2.使用随机生成的虚拟样本进行预测患病与否')
        user=input('请选择>>>>>>')
        if user=='1':
            sample=df2.iloc[random.randint(0,440),:]
            print('样本为\n',sample)
            result=clf.predict([sample])
            print(len(sample))
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')
            #print({'0':'该样本健康','1':'该样本患病'}result)


        else:
            
            sample=np.random.dirichlet(np.ones(606),size=1)
            print('样本为\n',sample)
            result=clf.predict(sample)
            if result==[0]:
                print('该样本健康')
            else:
                print('该样本患病')
    
    print('1.浏览数据的前5行')
    print('2.随机挑选出1个样本')
    print('3.使用Random Forest分类方法建立模型')
    print('4.使用Support Vector分类方法建立模型')
    print('5.使用Logistic Regression分类方法建立模型')
    print('6.使用Neuron Network分类方法建立模型')


    print('7.退出软件')
    choice=input('请从菜单选择你需要的选项->>>')