逻辑回归 预测癌症数据

已于 2023-01-13 12:37:00 修改
阅读量2.1k 收藏 32
点赞数 1
分类专栏： 机器学习 文章标签： 逻辑回归 python sklearn 人工智能
于 2022-12-18 19:09:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_56051805/article/details/128364618
版权

目录

一：加载数据

二：数据集划分

三：选择算法

四：网格模型 超参调优

五：模型预测

六：模型保存和使用

七：完整源码分享

八：预测与实际比对 

一：加载数据

from sklearn.datasets import load_breast_cancer

# 加载肺癌数据
cancer_data = load_breast_cancer()
X = cancer_data.data
Y = cancer_data.target
print(X, X.shape)

提取特征数据，结果如下 

[[1.799e+01 1.038e+01 1.228e+02 ... 2.654e-01 4.601e-01 1.189e-01]
 [2.057e+01 1.777e+01 1.329e+02 ... 1.860e-01 2.750e-01 8.902e-02]
 [1.969e+01 2.125e+01 1.300e+02 ... 2.430e-01 3.613e-01 8.758e-02]
 ...
 [1.660e+01 2.808e+01 1.083e+02 ... 1.418e-01 2.218e-01 7.820e-02]
 [2.060e+01 2.933e+01 1.401e+02 ... 2.650e-01 4.087e-01 1.240e-01]
 [7.760e+00 2.454e+01 4.792e+01 ... 0.000e+00 2.871e-01 7.039e-02]] (569, 30)
print(Y, Y.shape)

提取标签数据，结果如下，共2种结果为0和1 

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 1 0 0 0 0 0 0 0 0 1 0 1 1 1 1 1 0 0 1 0 0 1 1 1 1 0 1 0 0 1 1 1 1 0 1 0 0
 1 0 1 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 1 1 0 0 1 1 1 0 0 1 1 1 1 0 1 1 0 1 1
 1 1 1 1 1 1 0 0 0 1 0 0 1 1 1 0 0 1 0 1 0 0 1 0 0 1 1 0 1 1 0 1 1 1 1 0 1
 1 1 1 1 1 1 1 1 0 1 1 1 1 0 0 1 0 1 1 0 0 1 1 0 0 1 1 1 1 0 1 1 0 0 0 1 0
 1 0 1 1 1 0 1 1 0 0 1 0 0 0 0 1 0 0 0 1 0 1 0 1 1 0 1 0 0 0 0 1 1 0 0 1 1
 1 0 1 1 1 1 1 0 0 1 1 0 1 1 0 0 1 0 1 1 1 1 0 1 1 1 1 1 0 1 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 1 1 1 1 1 1 0 1 0 1 1 0 1 1 0 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1
 1 0 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0 1 0 1 1 1 1 0 0 0 1 1
 1 1 0 1 0 1 0 1 1 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 0
 0 1 0 0 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 1 1
 1 0 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 0 1 0 1 1 1 1 1 0 1 1
 0 1 0 1 1 0 1 0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0 1
 1 1 1 1 1 1 0 1 0 1 1 0 1 1 1 1 1 0 0 1 0 1 0 1 1 1 1 1 0 1 1 0 1 0 1 0 0
 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 0 0 0 0 0 0 1] (569,)

二：数据集划分

# 数据划分
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=666)

数据集划分为训练集和测试集，比例设置 、随机划分数设置

三：选择算法

# 选择一个算法
# multi_class:多分类参数是在 二分类基础上进行
# OVR:一对多 把多元的转为二分类 有几个点就分几次处理 4特征
# OVO:一对一 把多元的转为更多的二分类，求概率，然后进行比较，求出最大的概率(耗时较多)
# penalty="l2":损失函数  penalty : {'l1', 'l2', 'elasticnet', 'none'}, default='l2'
# class_weight:权重      class_weight : dict or 'balanced', default=None
# solver:   {'newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'}, \
#             default='lbfgs'
model = LogisticRegression()
param_list = [
    {
        'penalty': ['l1', 'l2'],
        'class_weight': [None, 'balanced'],
        'solver': ['newton-cg', 'lbfgs', 'liblinear'],
        'multi_class': ['ovr']
    },
    {
        'penalty': ['l1', 'l2'],
        'class_weight': [None, 'balanced'],
        'solver': ['newton-cg', 'lbfgs', 'sag'],
        'multi_class': ['multinomial']
    }
]

penalty="l2":正则化防止过拟合 

solver:优化算法选择参数(在下一步中使用网格模型 得出超参数的最优解)

逻辑回归算法LogisticRegression，重要参数如下

 multi_class:多分类参数是在 二分类基础上进行
 OVR:一对多 把多元的转为二分类 有几个点就分几次处理 4特征
 OVO:一对一 把多元的转为更多的二分类，求概率，然后进行比较，求出最大的概率(耗时较多)
 penalty="l2":损失函数  penalty : {'l1', 'l2', 'elasticnet', 'none'}, default='l2'
 class_weight:权重      class_weight : dict or 'balanced', default=None
 solver:   {'newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'}, \
                  default='lbfgs'

四：网格模型 超参调优

# 网格算法
grid = GridSearchCV(model, param_grid=param_list, cv=10)
grid.fit(X_train, y_train)
print(grid.best_estimator_)
print(grid.best_params_)
print(grid.best_score_)

获取超参最优解，如下，模型评分值较高 

LogisticRegression(multi_class='multinomial', solver='newton-cg')
{'class_weight': None, 'multi_class': 'multinomial', 'penalty': 'l2', 'solver': 'newton-cg'}
0.9547435897435899

五：模型预测

# 预测模型
best_model = LogisticRegression(multi_class='multinomial', solver='newton-cg')
best_model.fit(X_train, y_train)
y_predict = best_model.predict(X_test)
print(y_predict == y_test)

如下，可以看出，预测结果大致效果还是不错的 

[ True  True  True  True  True  True  True  True  True  True  True  True
  True False  True  True  True  True  True  True  True  True  True  True
  True  True  True  True  True  True  True  True  True  True  True  True
  True  True  True  True  True  True  True  True  True  True  True  True
  True  True False  True  True  True  True  True False  True  True  True
  True  True False  True  True  True  True  True  True  True  True  True
  True  True False  True  True False  True  True  True  True  True  True
  True  True  True  True  True  True  True  True  True  True  True  True
  True  True  True  True  True  True  True  True  True  True  True  True
  True  True  True  True  True  True  True  True  True  True  True  True
  True  True  True False  True  True  True  True  True  True  True  True
  True  True  True  True  True  True  True  True  True  True False  True
  True  True  True  True  True  True  True  True  True  True  True  True
  True  True  True  True  True  True  True  True  True  True  True  True
  True  True  True]

六：模型保存和使用

# 模型保存
joblib.dump(value=best_model, filename='logisticCancer.model')

# 模型使用
cancerModel = joblib.load('logisticCancer.model')

七：完整源码分享

from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.linear_model import LogisticRegression  # 逻辑回归算法
import joblib

# 加载肺癌数据
cancer_data = load_breast_cancer()
X = cancer_data.data
Y = cancer_data.target
# print(X, X.shape)
# print(Y, Y.shape)

# 数据划分
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=666)

# 选择一个算法
# multi_class:多分类参数是在 二分类基础上进行
# OVR:一对多 把多元的转为二分类 有几个点就分几次处理 4特征
# OVO:一对一 把多元的转为更多的二分类，求概率，然后进行比较，求出最大的概率(耗时较多)
# penalty="l2":损失函数  penalty : {'l1', 'l2', 'elasticnet', 'none'}, default='l2'
# class_weight:权重      class_weight : dict or 'balanced', default=None
# solver:   {'newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'}, \
#             default='lbfgs'
model = LogisticRegression()
param_list = [
    {
        'penalty': ['l1', 'l2'],
        'class_weight': [None, 'balanced'],
        'solver': ['newton-cg', 'lbfgs', 'liblinear'],
        'multi_class': ['ovr']
    },
    {
        'penalty': ['l1', 'l2'],
        'class_weight': [None, 'balanced'],
        'solver': ['newton-cg', 'lbfgs', 'sag'],
        'multi_class': ['multinomial']
    }
]

# 网格算法
# grid = GridSearchCV(model, param_grid=param_list, cv=10)
# grid.fit(X_train, y_train)
# print(grid.best_estimator_)
# print(grid.best_params_)
# print(grid.best_score_)

# 预测模型
best_model = LogisticRegression(multi_class='multinomial', solver='newton-cg')
best_model.fit(X_train, y_train)
y_predict = best_model.predict(X_test)
print(y_predict == y_test)

模型预测，结果分析如下，准确率相对来说还是比较高的 

八：预测与实际比对 

import pandas as pd

线性图 回归模型

import matplotlib.pyplot as plt

test_pre = pd.DataFrame({"test": y_test.tolist(),
                         "pre": y_predict.flatten()
                         })
test_pre.plot(figsize=(18, 10))
plt.show()

点状图 回归模型

import matplotlib.pyplot as plt

# 预测与实际
plt.scatter(y_test, y_predict, label="test")
plt.plot([y_test.min(), y_test.max()],
         [y_test.min(), y_test.max()],
         'k--',
         lw=3,
         label="predict"
         )
plt.show()

有上面两图，分析得出，预测与实际的比对效果还是相当不错的

chenruhan_QAQ_
关注
  • 1
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
大数据分析案例-基于LightGBM算法构建乳腺癌分类预测模型
m0_64336780的博客
07-23 8283
本项目旨在利用LightGBM算法构建乳腺癌分类预测模型，结合医学影像数据和患者临床数据，对乳腺癌患者进行准确的分类和预测。提高乳腺癌早期检测的准确性：利用机器学习算法对医学影像数据进行分析，帮助医生及早发现乳腺癌病变，提高早期诊断的准确性。改善乳腺癌患者治疗策略：通过对患者临床数据的综合分析，预测乳腺癌患者的病情和预后，为医生制定个性化治疗方案提供依据。辅助医生决策：将构建的预测模型作为辅助工具，为医生在乳腺癌诊断和治疗过程中提供科学客观的参考意见。
基于逻辑回归算法对胃癌病人数据进行预测分类-代码+数据
01-13
基于逻辑回归算法对胃癌病人数据进行预测分类_代码+数据.基于逻辑回归算法对胃癌病人数据进行预测分类_代码+数据.基于逻辑回归算法对胃癌病人数据进行预测分类_代码+数据.基于逻辑回归算法对胃癌病人数据进行预测分类_代码+数据.
机器学习案例4：基于逻辑回归和梯度下降的肿瘤预测
weixin_46676835的博客
01-04 262
机器学习案例4：基于逻辑回归和梯度下降的肿瘤预测
【机器学习实战】利用sklearn中的逻辑回归对癌症分类预测-良／恶性乳腺癌肿瘤预测
在热爱技术的路上一直前行。
05-17 1240
1. 数据集 数据下载地址：https://archive.ics.uci.edu/ml/machine-learning-databases/ 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。 2.分析——实现步骤 获取数据（读取的时候加上names） 数据处理（缺失值） 数据集划分 特征工程（无量纲化——标准化） 逻辑回归的预估器 模型评估 3. 代码实现 3.1 代码
基于逻辑回归的癌症数据预测分析.pdf
08-25
基于逻辑回归的癌症数据预测分析.pdf
华中科技大学，机器学习课程设计大作业，KNN实现红酒分类、感知机癌细胞识别、朴素贝叶斯进行新闻主题分类、支持向量机SVM分类实践
06-21
华中科技大学，机器学习课程设计大作业，KNN实现红酒分类、感知机癌细胞识别、朴素贝叶斯进行新闻主题分类、支持向量机SVM分类实践 目录结构 | +--+ educoder-tasks # educoder 平台上的作业 | +--+ 1-机器学习 --- kNN算法 | | | +--- t-1.ans.py # 第1关：实现kNN算法 | +--- t-1.detail.py | +--- t-2.ans.py # 第2关：红酒分类 | +--- t-2.detail.py | +--+ 2-机器学习之kNN算法 | | | +--- t-1.md # kNN算法原理 | +--- t-2.py # 使用 sklearn 中的kNN算法进行分类 | +--- t-3.py # 使用 sklearn 中的kNN算法进行回归 | +--- t-4.py
机器学习之逻辑回归（三）：基于逻辑回归的癌症预测案例——【癌症分类预测-良／恶性乳腺癌肿瘤预测】
热门推荐
汪雯琦的博客
02-27 1万+
逻辑回归需要掌握的知识点 知道逻辑回归的损失函数 知道逻辑回归的优化方法 知道sigmoid函数 知道逻辑回归的应用场景 应用LogisticRegression实现逻辑回归预测 知道精确率、召回率指标的区别 知道如何解决样本不均衡情况下的评估 了解ROC曲线的意义说明AUC指标大小 应用classification_report实现精确率、召回率计算 应用roc_auc_score实现指标计...
Python实现基于机器学习的组织病理学癌症检测
毕业作品网站
07-10 2265
Histopathologic Cancer Detection需要识别从较大的数字病理扫描中获取的小图像补片中的转移性癌症。此竞赛的数据是PatchCamelyon（PCam）基准数据集的略微修改版本（原始PCam数据集由于其概率抽样而包含重复图像，但是，在Kaggle上呈现的版本不包含重复项）。PCam数据集将临床相关的转移检测任务打包成为，二分类任务，类似于CIFAR-10和MNIST。模型可以在几个小时内在单个GPU上轻松训练，并在Camelyon16肿瘤检测和整个幻灯片图像诊断任务中获得竞争分数。
【机器学习入门】(9) 逻辑回归算法：原理、精确率、召回率、实例应用(癌症病例预测)附python完整代码和数据集
博观而约取，厚积而薄发
11-20 6664
各位同学好，今天我和大家分享一下python机器学习中的逻辑回归算法。内容主要有： (1) 算法原理；(2) 精确率和召回率；(3) 实例应用--癌症病例预测。 文末有数据集和python完整代码 1. 概念理解 逻辑回归，简称LR，它的特点是能够将我们的特征输入集合转化为0和1这两类的概率。一般来说，回归不用在分类问题上，但逻辑回归却能在二分类(即分成两类问题)上表现很好。 逻辑回归本质上是线性回归，只是在特征到结果的映射中加入了一层Sigmod函数映射，即先把特征线形求和，然后使用Sigmoi
基于逻辑回归算法癌症症状预测分析
小小争520
06-27 2086
逻辑回归介绍 逻辑回归（Logistic Regression）是机器学习中的一种分类模型，虽然名字中带有回归， 就是因为它与回归之间有一定的联系。由于算法的简单和高效，在实际中应用非常广泛。 逻辑回归应用场景 ##3 * 广告点击率 * 是否为垃圾邮件 * 是否患病 * 金融诈骗 * 虚假账号 通过上面的应用，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归 就是解决二分类问题的...
KNN癌症预测测试实验数据
09-28
KNN癌症预测测试实验数据，仅供学习使用，数据量偏小，只有100条数据，所以只能供学习学习学习使用。Prostate_Cancer.csv
基于Python的数据分析源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip
01-16
1、该资源内项目代码经过严格调试，下载即用确保可以运行！ 2、该资源适合计算机相关专业(如计科、人工智能、大数据、数学、电子信息等)正在做课程设计、期末大作业和毕设项目的学生、或者相关技术学习者作为学习资料参考使用。 3、该资源包括全部源码，需要具备一定基础才能看懂并调试代码。 基于Python的数据分析源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip 基于Python的数据分析源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip 基于Python的数据分析源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip 基于Python的数据分析源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip 基于Python的数据分析源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip 基于Python的数据分析源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip
癌症预测
02-18
乳腺癌预测 知识库是一项学习练习，旨在： 将机器学习和深度学习的基本概念应用于可用数据集。 根据观察到的数据集评估和解释结果，并证明我的解释是正确的。创建用作计算记录的笔记本并记录我的思考过程。 分析分为四个部分，保存在此存储库的Juypter笔记本中。 识别问题和数据源探索性数据分析使用目标输出功能对数据构建模型进行预处理，以预测乳腺癌。 draft.ipynb Jupyter笔记本由2005-2017年的合并数据集组成，具有1048575个数据点，其输出特征的年龄。 BreastCancer.ipynb笔记本由2013-2017年的数据集组成，具有506466个数据点，其目标输出具有乳腺癌史。 BC2005_17bchistory.ipynb和BC2005_2017firstdegree_relative.ipynb Jupyter笔记本由2005-2017年的合并数据集组
基于Python的数据分析完整源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip
03-04
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能，需要能看懂代码，并且热爱钻研，自行调试。 基于Python的数据分析完整源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip基于Python的数据分析完整源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip基于Python的数据分析完整源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip基于Python的数据分析完整源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip基于Python的数据分析完整源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip基于Python的数据分析完整源码（包含电影评论分析、慕课数据分析、医疗花销分析、心脏病、癌症、糖尿病预测）.zip
cancer.csv癌症预测数据集
08-19
癌症预测数据集
机器学习：逻辑回归实现癌症预测 .zip
06-27
这个文档主要是为了我的博文一个案例准备的数据，由于不好编辑，所以上传，供各位学习
逻辑回归模型，python代码
03-21
logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择...
MachineLearning-ERbreastCancer：带有梯度下降逻辑回归的ER乳腺癌预测
02-16
使用梯度下降逻辑回归的ER乳腺癌预测 乔治娜·冈萨雷斯（Georgina Gonzalez） 拷贝数畸变，基因组区域的得失是癌症的标志。 拷贝数数据是高维数据，具有大量相关特征。 通常，像在这种情况下一样，样本数量比特征...
人工智能底层自行实现篇3——逻辑回归（上）
最新发布
m0_60388871的博客
04-21 1418
似然函数（Likelihood function）是统计学中的一个重要概念，用于**量化一个统计模型在给定一些样本数据下的参数估计的可能性。**简单地说，
逻辑回归预测python
08-23
逻辑回归是一种用于分类问题的统计模型。在Python中，我们可以使用一些库来实现逻辑回归预测。常用的库包括scikit-learn和statsmodels。 使用scikit-learn库可以很方便地实现逻辑回归预测。下面是一个简单的示例代码： ```python from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 假设你已经有了特征矩阵 X 和目标变量 y # 将数据集划分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建逻辑回归模型 model = LogisticRegression() # 在训练集上训练模型 model.fit(X_train, y_train) # 在测试集上进行预测 y_pred = model.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) ``` 另外，你还可以使用statsmodels库来进行逻辑回归预测。下面是一个简单的示例代码： ```python import statsmodels.api as sm # 假设你已经有了特征矩阵 X 和目标变量 y # 添加常数列，用于拟合截距 X = sm.add_constant(X) # 创建逻辑回归模型 model = sm.Logit(y, X) # 拟合模型 result = model.fit() # 在测试集上进行预测 y_pred = result.predict(X_test) # 将概率转换为类别 y_pred_class = (y_pred > 0.5).astype(int) ``` 以上是两种常用的实现逻辑回归预测的方法，你可以根据具体需求选择合适的方法。希望对你有所帮助！如果还有其他问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

chenruhan_QAQ_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值