数据分析+分类模型预测乳腺癌患病概率

一、前言

    本文利用python预处理数据集，再通过机器学习模型：LR、SGD预测乳腺癌患病概率，对比两个模型的预测效果，选择最优的预测方式。

二、数据集说明

    数据集源于威斯康星州临床科学中心。每个记录代表一个乳腺癌的随访数据样本。

#导入pandas与numpy工具包。
import pandas as pd
import numpy as np
# 创建特征列表；10个特征，class是类别标签。
column_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']
# 使用pandas.read_csv函数从互联网读取指定数据。
data = pd.read_csv(
'https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data'
, names = column_names )
#查看数据情况
data.head()

#数据描述性统计信息
data.describe()

#查看数据维度;一共699条数据，11列：前10列是特征信息，最后一列是类别标签
data.shape