svm预测结果为同一个值_实战：用SVM算法进行乳腺癌预测

支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类（binary classification）的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）

SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。

下面开始用python进行算法预测

下面是分析流程图：

本次项目的目的是使用SVM算法对美国威斯康星州的乳腺癌诊断进行预测

获得数据

数据集来自美国威斯康星州的乳腺癌诊断数据集

下载网址：

https://github.com/xiujiayou/svm​github.com

理解数据

字段信息：

mean代表平均值，se代表标准差，worst代表最大值（三个最大值的平均值）

30个特征值中（不包括ID字段和分类标识结果字段diagnosis），实际上只有10个特征值(

radius,texture,perimeter,area,smoothness,compactness,concavity,concave points,symmetry,fractal_dimension_mean)的三个维度（均值，标准差和最大值）

569个患者中有357个良性，212个是恶性

---

清洗数据

先导入数据集和各种需要用到的包

然后查看数据的基本信息

然后我们发现特征太多没办法全部显示，所以我们用下面的方法把列名都显示出来

信息太多，图中只截取一部分

然后我们将字段分成三段（mean/se/worst）

---

数据清洗

数据集没有缺失值

id列没有用，故删除

将结果列的良性替换成0，恶性替换成1

---

特征选择

接下来进行特征字段的筛选，首先需要观察下features_mean各个变量之间的关系。可以用corr（）的函数

图中颜色越浅表示相关性越大。所以我们能发现：radius_mean、perimeter_mean，area_mean这三个相关性大，而compactness_mean、concavity_mean，concave_points_mean这三个特征相关性大。
下面来进行特征选择 特征选择的目的是降维，用少量的特征代表数据的特性，这样也可以增强分类器的泛化能力，避免数据过拟合。 mean/se/worst这三组特征是对同一组内容的不同度量。我们可以只保留mean这组特征。 另外，在mean这组特征中，radius_mean,perimeter_mean,area_mean这三个属性相关性大， 而compactness_mean、concavity_mean，concave_points_mean这三个特征相关性大。 我们可以分别从这2类中选择一个属性作为代表，比如radius_mean和compactness_mean
那么我们就可以把原来的10个属性缩减为6个属性

---

模型训练和评估

准备训练集和测试集

30%为测试集，70%为训练集

训练之前，需要对数据进行规范化，让数据在同一个量级上，避免因为维度问题造成数据误差。

数据规范化

模型准确率为0.91左右，效果还可以。

数据集和具体代码已上传到github上，有兴趣的小伙伴可以下载自己操作一遍。