利用逻辑回归分析中医药“瘀血阻络证”数据

实验要求

数据中总共有664条数据，每条数据分别是多个症状对应一个症候，本质上是一个简单的二分类问题，即根据症状分类是否属于瘀血阻络证。
具体要求：
（1）全部数据作为训练集：得出相应的分类指标准确率accuracy，精确率precision，召回率recall，F1-score，并画出最终的ROC曲线，得出AUC值。
（2）把数据集分为训练集、验证集和测试集，再进行分类，并得出准确率等。
（3）运用5-fold Cross-validation方法进行验证，与前两种方法对比。

数据展示

症状（部分）：

症候（标黄）：

代码

导包

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import precision_score, recall_score, f1_score, roc_auc_score, roc_curve
from sklearn.model_selection import train_test_split, cross_val_score, cross_val_predict

读取数据

data = pd.read_excel(r"C:\Users\guo\Desktop\课程\医学数据挖掘\实验1-逻辑回归分析中医药数据\症状_瘀血阻络证_data.xlsx")
lr = LogisticRegression()  # 建立逻辑回归模型
X = data.iloc[:, :-1]  # 特征
Y = data.iloc[:, -1]  # 标签

不划分训练集和测试集

lr.fit(X, Y)  # 训练模型
# 准确率
print("Accuracy:", lr.score(X, Y))
# 精确率
print("Precision:", precision_score(Y, lr.predict(X)