机器学习：逻辑回归实现癌症预测_逻辑回归癌症预测

1. 数据集介绍

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。

该案例的数据我会上传到CSDN，请自行搜索下载

2. 案例分析

• 缺失值处理

# 将？转化为np.nan
data.replace("?",np.nan,inplace=True)
# 删除缺失值
data.dropna(how='any',axis=0,inplace=True)
1
2
3
4

• 标准化处理

# 将数据标准化处理
st =StandardScaler()
st.fit_transform(x_train)
st.fit_transform(x_test)
1
2
3
4

• 逻辑回归预测

# 进行逻辑回归预测
lg=LogisticRegression()

# 训练数据
lg.fit(x_train,y_train)

# 预测数据
y_predict=lg.predict(x_test)

print("y_predict",y_predict)
1
2
3
4
5
6
7
8
9
10

• 预测的准确率

print("预测的准确率：",lg.score(x_test,y_test)) # 准确率为95以上，准确率很好
1

• 进行分类评估

report = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])
1

• 样本均衡情况下，不需要看auc，只是在样本不均衡的情况,auc很适合
  计算AUC指标, 进行 目标值处理 ,本来是 2 ,现在需要0 和 1

ytest = np.where(y_test > 2.5, 1, 0)
 res = roc_auc_score(y_test,y_predict) # auc指标为0.97
1
2

3. 全部代码

import  pandas as pd
import  numpy as np

from  sklearn.model_selection import train_test_split

from  sklearn.preprocessing import  StandardScaler

# 逻辑回归
from  sklearn.linear_model import  LogisticRegression

# 模型评估
from  sklearn.metrics imp
1
2
3
4
5
6
7
8
9
10
11