(一)监督学习模型之线性分类器
2017-09-20 17:20
344 查看
一、解决问题
使用线性分类模型从事良/恶性肿瘤的预测任务二、数据地址
http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data三、代码实现
1、获得数据import pandas as pd import numpy as np column_names = ['Sample code number', 'Clump Thickness', 'Uniformity of Call Size' 'Uniformity of Cell Shape', 'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin', 'Normal Nucleoli', 'Mitoses', 'class'] data = pd.read_csv('http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data', names = column_names) data.shape # drop nan # 去掉缺失值 data = data.replace(to_replace='?', value=np.nan) data = data.dropna(how = 'any') data.shape
2、准备数据
from sklearn.cross_validation import train_test_split X_train, X_test, y_train, y_test = train_test_split(data[column_names[1:9]], data[column_names[9]], test_size = 0.25, random_state = 33) y_train.value_counts() y_test.value_counts()
3、标准化数据
# 标准化数据,保证每个维度的特征数据方差为1,均值为0, # 让预测的结果不会被每个过大的特征值主导 ss = StandardScaler() X_train = ss.fit_transform(X_train) X_test = ss.transform(X_test)
4、建立模型预测数据
lr = LogisticRegression() sgdc = SGDClassifier() lr.fit(X_train, y_train) lr_y_predict = lr.predict(X_test) sgdc.fit(X_train, y_train) sgdc_y_predict = sgdc.predict(X_test)
5、性能分析
from sklearn.metrics import classification_report print(lr.score(X_test, y_test)) print(classification_report(y_test, lr_y_predict, target_names = ['Benign', 'Malignant'])) print(classification_report(y_test, sgdc_y_predict, target_names = ['Benign', 'Malignant']))
**
四、代码地址
——
**
相关文章推荐
- 监督学习之广义线性模型——Andrew Ng机器学习笔记(三)
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】三:广义线性模型 - 监督学习 - 用户指南| ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 监督学习之广义线性模型
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】3 广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 监督学习初步---线性分类器
- Python机器学习库SKLearn:监督学习之广义线性模型
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 |
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- scikit-learn 中文文档-广义线性模型-监督学习|ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN
- 【Scikit-Learn 中文文档】广义线性模型 - 监督学习 - 用户指南 | ApacheCN