knn案例：预测乳腺癌的良性或恶性

 数据探索与分析

from sklearn.datasets import load_breast_cancer
breast_cancer = load_breast_cancer()
print(breast_cancer.DESCR)

运行结果

数据分析

数据集包含了 30 个特征，包括肿瘤的半径、纹理、对称性等，以及目标变量，即肿瘤的性质（ 0 ：良性， 1 ：恶 性）。

解题提示

1. 数据预处理： 在构建模型之前，记得对数据进行标准化，以确保不同特征的尺度一致。

2. 选择合适的算法： 考虑使用 K 近邻算法（ KNN ）进行分类任务。

3. 调参优化： 使用交叉验证来选择最优的 K 值，以提高模型的性能。

4. 模型评估： 使用准确率作为评估标准，评估模型的性能。

from sklearn.datasets import load_breast_cancer
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV

# 加载乳腺癌数据集
mydata = load_breast_cancer()

# 将特征数据和标签数据存储到 DataFrame 中，并添加列名称
mydata2 = pd.DataFrame(mydata['data'], columns=mydata.feature_names)
mydata2['target'] = mydata.target

# 实例化 StandardScaler 对象进行特征数据标准化处理
transfer = StandardScaler()

# 划分数据集为训练集和测试集，其中训练集占总数据的 70%
x_train, x_test, y_train, y_test = train_test_split(mydata.data, mydata.target, train_size=0.7, random_state=22)

# 对训练集和测试集的特征数据进行标准化处理
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

# 实例化 K 近邻分类器对象
model = KNeighborsClassifier()

# 使用网格搜索交叉验证进行参数调优
model2 = GridSearchCV(estimator=model, param_grid={'n_neighbors':[3,4,5,6]}, cv=5)
model2.fit(x_train, y_train)

# 使用最佳模型对测试集进行评估，得到模型准确率
score2 = model2.score(x_test, y_test)

# 打印模型准确率和最佳参数
print(score2)
print(model2.best_params_)

运行结果