机器学习实验二：朴素贝叶斯和SVM——肿瘤分类与预测（朴素贝叶斯）

实操项目 1——肿瘤分类与预测（朴素贝叶斯）

实验要求

采用朴素贝叶斯方法，对美国威斯康星州的乳腺癌诊断数据集进行分类，实现针对乳腺癌检测的分类器，以判断一个患者的肿瘤是良性还是恶性。

【实验要求】

1.导入 sklearn 自带的数据集：威斯康星乳腺肿瘤数据集（load_breast_cancer）。

2.打印数据集键值（keys），查看数据集包含的信息。

3.打印查看数据集中标注好的肿瘤分类（target_names）、肿瘤特征名称（feature_names）。

4.将数据集拆分为训练集和测试集，打印查看训练集和测试集的数据形态（shape）。

5.配置高斯朴素贝叶斯模型。

6.训练模型。

7.评估模型，打印查看模型评分（分别打印训练集和测试集的评分）。

8.模型预测：选取某一样本进行预测。（可以进行多次不同样本的预测）

        参考方法：可以打印模型预测的分类和真实的分类，进行对比，看是否一致，如果一致，判断预测结果准确，否则结果相反。也可以用其他方法进行预测。

9.扩展（选做）：绘制高斯朴素贝叶斯在威斯康星乳腺肿瘤数据集中的学习曲线。

实验过程

1.对该题目的理解

        本项目是对美国威斯康星州的乳腺癌诊断数据集进行分类，该数据集包括569个病例的数据样本，每个样本具有30个特征值，而样本共分为两类：分别是恶性和良性，我们要利用高斯朴素贝叶斯算法来训练模型，并对该模型进行评估和预测。

2.实现过程

（1）导入包

代码如下：

import numpy as np  
import pandas as pd  
from sklearn.datasets import load_breast_cancer#导入数据集  
from sklearn.model_selection import train_test_split#形成测试集和训练集  
from sklearn.model_selection import cross_val_score  
from sklearn.metrics import classification_report#导入分类报告模板  
from sklearn.naive_bayes import GaussianNB#导入先验概率的高斯朴素贝叶斯模型  

（2）导入 sklearn 自带的数据集并输出一些数据

代码如下：

breast_cancer=load_breast_cancer()#导入 sklearn 自带的数据集  
print("数据集的主要内容",breast_cancer.keys())#打印数据集键值（keys），查看数据集包含的信息  
 
print("数据集的标签名",breast_cancer.target_names)  
print("数据集的特征名",breast_cancer.feature_names)#打印查看数据集中标注好的肿瘤分类（target_names）、肿瘤特征名称 （feature_names） 

（3）将数据集拆分为训练集和测试集

代码如下：

#划分数据集
data = pd.DataFrame(breast_cancer.data)
target = pd.DataFrame(breast_cancer.target)
x=np.array(data.values)
y=np.array(target.values)
train_x,test_x,train_y,test_y = train_test_split(x,y,test_size=0.2)
#打印数据形态
print(train_x.shape,test_x.shape)

（4）配置高斯朴素贝叶斯模型并训练模型

代码如下：

model=GaussianNB()#配置高斯朴素贝叶斯模型  
model.fit(train_X,train_y)#训练模型  

（5）评估模型，打印查看模型评分

代码如下：

#7.评估模型，打印查看模型评分（分别打印训练集和测试集的评分）。  
#打印训练集和测试集的评分  
print("高斯朴素贝叶斯模型训练集的评分:",model.score(train_X,train_y))  
print("高斯朴素贝叶斯模型测试集的评分:",model.score(test_X,test_y))  

（6）模型预测：选取某一样本进行预测。（可以进行多次不同样本的预测）

代码如下：

#8.模型预测：选取某一样本进行预测。（可以进行多次不同样本的预测）  
pre_y=model.predict(test_X)  
# sklearn中的classification_report函数用于显示主要分类指标的文本报告．在报告中显示每个类的精确度，召回率，F1值等信息。  
print(classification_report(test_y,pre_y)) 

3.遇到的问题及解决办法

（1）问题：如何进行模型评估

我习惯用F1分数来评估模型的好坏，它同时兼顾了分类模型的精确率和召回率。F1分数可以看作是模型精确率和召回率的一种调和平均。

实验结果

1.打印数据集键值（keys）以及打印查看数据集中标注好的肿瘤分类（target_names）、肿瘤特征名称（feature_names）

2．将数据集拆分为训练集和测试集，打印查看训练集和测试集的数据形态（shape）。

 

3.评估模型，打印查看模型评分。

4.模型预测：选取某一样本进行预测

 

实验总结 

1.通过此实验了解了朴素贝叶斯中的高斯朴素贝叶斯算法，学会了如何构建模型，训练模型，评估模型和模型预测。

2.我发现了相比于线性模型算法，朴素贝叶斯算法的效率要高一些，这是因为朴素贝叶斯算法会把数据集中的各个特征看作完全独立的，而不考虑特征之间的关联关系。