python良/恶性肿瘤预测问题运行代码

最新推荐文章于 2021-03-19 19:36:47 发布

qq_40516413

最新推荐文章于 2021-03-19 19:36:47 发布

阅读量893

点赞数

本文链接：https://blog.csdn.net/qq_40516413/article/details/83028665

版权

该博客通过Python实现了一个乳腺癌肿瘤的良恶性预测模型，利用逻辑回归算法进行训练和测试。作者首先加载数据，然后绘制良性与恶性肿瘤的散点图，接着随机生成直线并进行分类。博客分别展示了使用前10条和所有训练样本训练后的测试准确性，并绘制了分类边界线。最终，模型在全部样本上的测试准确率达到0.9371。

摘要由CSDN通过智能技术生成

"""
Created on Fri Oct 12 13:26:50 2018

@author: fengjuan
"""
import pandas as pd
import numpy as np
#导入matplotlib工具包的pyplot并简称为plt
import matplotlib.pyplot as plt
df_train=pd.read_csv('Breast-Cancer-train.csv')
df_test=pd.read_csv('Breast-Cancer-test.csv')
# 选取‘Clump Thickness’和 ‘Cell Size’作为特征值，构建测试集中的正负分类样本
df_test_negative=df_test.loc[df_test['Type']==0][['Clump Thickness','Cell Size']]

df_test_postive=df_test.loc[df_test['Type']==1][['Clump Thickness','Cell Size']]
# 绘制散点图良性肿瘤样本点，标记为红色，恶性肿瘤样本点，标记为黑色

plt.scatter(df_test_negative['Clump Thickness'],df_test_negative['Cell Size'],marker='o',s=200,c='red')
plt.scatter(df_test_postive['Clump Thickness'],df_test_postive['Cell Size