良/恶性乳腺癌肿瘤预测---线性分析

1 线性分类器

     介绍：假设特征与分类结果存在线性关系的模型；通过累加计算每个维度的特征与各自权重的乘积帮助类别决策。

2 实验代码及截图

#coding:utf-8

import pandas as pd

import numpy as np

#创建特征列表

column_names=['samples 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']

#使用pandas.read_csv函数读取指定数据

data=pd.read_csv('/home/guo/桌面/Work/shuju/Breast-Cancer/breast-cancer-wisconsin.data',names=column_names)

#将？替换为标准缺失值表示

data=data.replace(to_replace='?',value=np.nan)

#丢弃带有缺失值的数据（只有有一个维度有缺失）

data=data.dropna(how='any')

#输出data的数据量和维度

print("数据量 维度")

print(data.shape)



#使用sklearn.cross_valiation中train_test_split模块用于分割数据

from sklearn.cross_validation import train_test_split

#随机25%用于测试，其他用于训练

X_train,X_test,y_train,y_test=train_test_split(data[column_names[1:10]],data[column_names[10]],test_size=0.25,random_state=33)

#查验训练样本的数量和类别

print('训练样本的数量和类别')

print(y_train.value_counts())



#查看测试样本的数量和类别

print('测试样本的数量和类别')

print(y_test.value_counts())



#使用线性分类模型预测

from sklearn.preprocessing import StandardScaler

from sklearn.linear_model import LogisticRegression

from sklearn.linear_model import SGDClassifier

#标准化数据，保证每个维度的特征数据方差为1，均值为0

ss=StandardScaler()

X_train=ss.fit_transform(X_train)

X_test=ss.transform(X_test)

#初始化

lr=LogisticRegression()

sgdc=SGDClassifier()

#调用fit训练模型参数

lr.fit(X_train, y_train)

#进行预测

lr_y_predict=lr.predict(X_test)

#调用sgdclassifier中的fit训练模型

sgdc.fit(X_train,y_train)

#对X—test进行预测

sgdc_y_predict=sgdc.predict(X_test)

#使用线性分类模型记性预测任务的性能分析

from sklearn.metrics import classification_report

#获得测试集上的准确性结果

print('线性分类模型')

print('Accuracy of LR Classifier:',lr.score(X_test,y_test))

#获得其他三个自指标的结果

print classification_report(y_test,lr_y_predict,target_names=['Benign','Malignant'])



#使用随机梯度下降模型获得在测试集上的准确性结果

print('随机梯度下降模型')

print('Accuracy of SGD Classifier:',sgdc.score(X_test,y_test))

print classification_report(y_test,sgdc_y_predict,target_names=['Benign','Malignant'])    

    


 3 本文在最后使用了两种模型进行了性能的比较，以实验结果来看，LR相较于SDG在测试集表现有更高的准确性；