python机器学习-sklearn挖掘乳腺癌细胞(三)
2018-10-04 21:37
281 查看
python机器学习-sklearn挖掘乳腺癌细胞( 博主亲自录制)
网易云观看地址
乳腺癌细胞和正常细胞是有显著区别的
癌细胞半径更大,形状更加不规则,凹凸不平。我们可以用科学手段来区分正常细胞和癌细胞吗?答案是可以的,通过机器学习算法,建立分类器,解决二分类问题。
乳腺癌细胞分类器建模
现在我们要用机器学习算法建立分类器,区分细胞为良性细胞或癌细胞。分类器就是解决二分类或多分类问题。
建立分类器算法很多,包括逻辑回归,xgboost,svm,神经网络等等。
今天我要介绍目前开源领域里最新的算法catboost。
catboost起源于俄罗斯搜索巨头yandex,准确率高,速度快,调参少,性价比高于xgboost
今天的CatBoost版本是第一个版本,以后将持续更新迭代。catboost三个特点:(1)“减少过度拟合”:这可以帮助你在训练计划中取得更好的成果。它基于一种构建模型的专有算法,这种算法与标准的梯度提升方案不同。(2)“类别特征支持”:这将改善你的训练结果,同时允许你使用非数字因素,“而不必预先处理数据,或花费时间和精力将其转化为数字。”(3)支持Python或R的API接口来使用CatBoost,包括公式分析和训练可视化工具。(4)有很多机器学习库的代码质量比较差,需要做大量的调优工作,”他说,“而CatBoost只需少量调试,就可以实现良好的性能。这是一个关键性的区别
catboost建立乳腺癌分类器代码
# -*- coding: utf-8 -*- """ Created on Thu Oct 4 21:07:32 2018 @author: 231469242@qq.com """ from sklearn.model_selection import train_test_split import catboost as cb from sklearn.datasets import load_breast_cancer cancer=load_breast_cancer() X, y = cancer.data,cancer.target train_x, test_x, y_train, y_test=train_test_split(X,y,test_size=0.3,random_state=0) cb = cb.CatBoostClassifier() cb.fit(train_x, y_train) print("accuracy on the training subset:{:.3f}".format(cb.score(train_x,y_train))) print("accuracy on the test subset:{:.3f}".format(cb.score(test_x,y_test)))
大家可以看到catboost预测准确率非常高,训练集100%,测试集97.7%
扫二维码,关注博主主页,学习更多Python知识
相关文章推荐
- python机器学习-sklearn挖掘乳腺癌细胞(二)
- python机器学习-sklearn挖掘乳腺癌细胞(四)
- python机器学习-sklearn挖掘乳腺癌细胞(五)
- sklearn实战-乳腺癌细胞数据挖掘
- 支持向量机SVM原理_python sklearn建模乳腺癌细胞分类器(推荐AAA)
- Python机器学习数据挖掘工具sklearn安装和使用
- 神经网络neuron network原理——python sklearn建模乳腺癌细胞分类器(推荐AAA)
- 决策树decision tree原理介绍_python sklearn建模_乳腺癌细胞分类器(推荐AAA)
- Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱
- Python数据挖掘与机器学习_通信信用风险评估实战(3)——特征工程
- Python数据分析与机器学习-使用sklearn构造决策树模型
- 利用Python进行机器学习和数据挖掘概述
- Python-sklearn机器学习的第一个样例(3)
- Python-sklearn机器学习的第一个样例(5)
- Python-sklearn机器学习的第一个样例(6)
- Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱
- python中安装机器学习(sklearn)必要的包和模块
- 【干货】Python爬虫/文本处理/科学计算/机器学习/数据挖掘兵器谱
- Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱
- 机器学习与数据挖掘系列算法之--knn的python实现