机器学习：逻辑回归实现癌症预测

1. 数据集介绍

数据描述

（1）699 条样本，共 11 列数据，第一列用语检索的 id，后 9 列分别是与肿瘤
相关的医学特征，最后一列表示肿瘤类型的数值。
（2）包含 16 个缺失值，用”?”标出。

该案例的数据我会上传到CSDN，请自行搜索下载

2. 案例分析

• 缺失值处理

# 将？转化为np.nan
data.replace("?",np.nan,inplace=True)
# 删除缺失值
data.dropna(how='any',axis=0,inplace=True)

• 标准化处理

# 将数据标准化处理
st =StandardScaler()
st.fit_transform(x_train)
st.fit_transform(x_test)

• 逻辑回归预测

# 进行逻辑回归预测
lg=LogisticRegression()

# 训练数据
lg.fit(x_train,y_train)

# 预测数据
y_predict=lg.predict(x_test)

print("y_predict",y_predict)

• 预测的准确率

print("预测的准确率：",lg.score(x_test,y_test)) # 准确率为95以上，准确率很好

• 进行分类评估

report = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])

• 样本均衡情况下，不需要看auc，只是在样本不均衡的情况,auc很适合
  计算AUC指标, 进行 目标值处理 ,本来是 2 ,现在需要0 和 1

ytest = np.where(y_test > 2.5, 1, 0)
 res = roc_auc_score(y_test,y_predict) # auc指标为0.97

3. 全部代码

import  pandas as pd
import  numpy as np

from  sklearn.model_selection import train_test_split

from  sklearn.preprocessing import  StandardScaler

# 逻辑回归
from  sklearn.linear_model import  LogisticRegression

# 模型评估
from  sklearn.metrics import  classification_report

# AUC 指标计算
from  sklearn.metrics import roc_auc_score

# 加载数据
data = pd.read_csv("./breast-cancer-wisconsin.data")
# print(data)
#
# print("data 的类型：",type(data))

#设置列名称
columns = ['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']

# 先将数据转化为df
# df_data = pd.DataFrame(data.values,columns=columns)
#
# print(df_data)

# 更改列名称
data.columns = columns

print(data.shape)

# 将？转化为np.nan
data.replace("?",np.nan,inplace=True)

# 可以使用dropnan进行删除缺失值
data.dropna(how='any',axis= 0 ,inplace=True)

print("去除缺失值之后的形状：",data.shape)

# 选取特征值，目标值
x = data.iloc[:,1:10].values
y = data.iloc[:,-1].values
# 进行数据集拆分
# 返回特征值
# 返回目标值
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3)

#数据的标准化处理
st = StandardScaler()

# 进行标准化数据
st.fit_transform(x_train)
st.fit_transform(x_test)


# 进行逻辑回归预测
lg = LogisticRegression()

# 训练数据
lg.fit(x_train,y_train)

# 预测数据
y_predict = lg.predict(x_test)

print("y_predict:",y_predict)

print("权重：",lg.coef_)

print("偏置：",lg.intercept_)

# 预测的准确率--比对y_predict ,y_test
print("预测的准确率：",lg.score(x_test,y_test)) # 准确率为95以上，准确率很好


# 进行分类评估
report = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])

print(report)

# 样本均衡情况下，不需要看auc，只是在样本不均衡的情况,auc很适合
# 计算AUC指标
# 进行 目标值处理
# 本来是 2 和4
# 现在需要0 和 1

# y_test = np.where(y_test > 2.5, 1, 0)
#
# # print(y_test)
#
# res = roc_auc_score(y_test,y_predict) # auc指标为0.97
#
# #
# print(res)

如果想要和我交流，就关注我的微信公众号：梓栋Code