利用svm算法实现癌症的诊断分类

利用svm算法实现癌症的诊断分类

一, 研究背景

癌症——由DNA变异引起的细胞恶性增生，是全球第二大死因，在2018年带走了估计约960万人的生命，占全球全年死亡人数的六分之一。基于组学数据的癌症预防和诊疗研究，对于提升人类的健康和福祉具有重要意义。

大数据挖掘是研究癌症的重要途径，有助于在分子水平上洞察癌变机制，为治疗、用药、预后监测提供帮助。

二，算法原理

 

设给定的数据集D为 (X1, y1), …, (X|D|, y|D|), 其中Xi是训练 元组，具有相关联的类标号yi，可以画出无限多条分离直线（或超平面）将两种不同类型 的元组分开，需要找出“最好的”那一条，对先前未见到的元组具有最小分类误差的那一条，SVM要搜索具有最大边缘的超平面，即最大边缘超平面

三，算法的实现

1加载数据源

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn import svm
from sklearn import metrics
from sklearn.preprocessing import StandardScaler

读取数据

data = pd.read_csv("./data.csv")

2、数据探索

查看数据的基本情况：可以看到各字段数据没有缺失

data.info()

<class 'pandas.core.frame.DataFrame'>

RangeIndex: 569 entries, 0 to 568

Data columns (total 32 columns):

id                         569 non-null int64

diagnosis                  569 non-null object