机器学习逻辑回归对肿瘤预测

秒速五厘米 2024-04-03 08:08 65阅读 0赞

#### 目录 ####

*  1 逻辑回归api介绍
 *  2 案例：癌症分类预测-良／恶性乳腺癌肿瘤预测
 *   *  2.1 背景介绍
     *  2.2 案例分析
     *  2.3 代码实现
     *  2.4 小结

--------------------

## 1 逻辑回归api介绍 ##

*  sklearn.linear\_model.LogisticRegression(solver=‘liblinear’, penalty=‘l2’, C = 1.0)
    
     *  solver可选参数:\{‘liblinear’, ‘sag’, ‘saga’,‘newton-cg’, ‘lbfgs’\}，
        
         *  默认: ‘liblinear’；用于优化问题的算法。
         *  对于小数据集来说，“liblinear”是个不错的选择，而“sag”和’saga’对于大型数据集会更快。
         *  对于多类问题，只有’newton-cg’， ‘sag’， 'saga’和’lbfgs’可以处理多项损失;“liblinear”仅限于“one-versus-rest”分类。
     *  penalty：正则化的种类
     *  C：正则化力度

> **默认将类别数量少的当做正例**

**LogisticRegression方法相当于 SGDClassifier(loss=“log”, penalty=" "),SGDClassifier实现了一个普通的随机梯度下降学习。而使用LogisticRegression(实现了SAG)**

## 2 案例：癌症分类预测-良／恶性乳腺癌肿瘤预测 ##

### 2.1 背景介绍 ###

*  数据介绍

![ç™Œç—‡æ•°æ®][b01fdd190507633051b366936d283bc4.jpeg]

原始数据的下载地址：[https://archive.ics.uci.edu/ml/machine-learning-databases/][https_archive.ics.uci.edu_ml_machine-learning-databases]

> 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。

### 2.2 案例分析 ###

1.获取数据
    2.基本数据处理
    2.1 缺失值处理
    2.2 确定特征值,目标值
    2.3 分割数据
    3.特征工程(标准化)
    4.机器学习(逻辑回归)
    5.模型评估

### 2.3 代码实现 ###

import pandas as pd
    import numpy as np
    from sklearn.model_selection import train_test_split
    from sklearn.preprocessing import StandardScaler
    from sklearn.linear_model import LogisticRegression
    
    import ssl
    ssl._create_default_https_context = ssl._create_unverified_context
    # 1.获取数据
    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']
    
    data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",
                      names=names)
    data.head()
    # 2.基本数据处理
    # 2.1 缺失值处理
    data = data.replace(to_replace="?", value=np.NaN)
    data = data.dropna()
    # 2.2 确定特征值,目标值
    x = data.iloc[:, 1:10]
    x.head()
    y = data["Class"]
    y.head()
    # 2.3 分割数据
    x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)
    # 3.特征工程(标准化)
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4.机器学习(逻辑回归)
    estimator = LogisticRegression()
    estimator.fit(x_train, y_train)
    # 5.模型评估
    y_predict = estimator.predict(x_test)
    y_predict
    estimator.score(x_test, y_test)

在很多分类场景当中我们不一定只关注预测的准确率！！！！！

比如以这个癌症举例子！！！**我们并不关注预测的准确率，而是关注在所有的样本当中，癌症患者有没有被全部预测（检测）出来。**

--------------------

### 2.4 小结 ###

*  肿瘤预测案例实现【知道】
    
     *  如果数据中有缺失值，一定要对其进行处理
     *  准确率并不是衡量分类正确的唯一标准

[b01fdd190507633051b366936d283bc4.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/91e98738eb8a493ca56fa96e52bd629e.jpeg
[https_archive.ics.uci.edu_ml_machine-learning-databases]: https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/