逻辑回归：良、恶性肿瘤病历分类预测

今日分享： 良、恶性肿瘤病历分类预测

一：流程

1、网上获取数据，可利用pandas读取加载在线数据

2、数据缺失值处理、标准化

3、LogisticRegression估计器流程

二：数据集介绍

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。

（3）原始数据的下载地址：

            https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data

三：代码演示

导入相关库

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression,SGDRegressor,Ridge,LogisticRegression
from sklearn.metrics import mean_squared_error, classification_report
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
import pandas as pd

def logistic():
    """
    逻辑回归做二分类进行癌症预测
    """
    # 构造列标签名字
    column = ['Sample code number','Clump Thickness', 'Uniformity of Cell Size','Uniformity of Cell Shape','Marginal Adhesion', 'Single Epithelial Cell Size','Bare Nuclei','Bland Chromatin','Normal Nucleoli','Mitoses','Class']

    # 读取在线数据集，确保网络状态良好
    data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data", names=column)

#     print(data)

    # 对存在缺失值进行处理，替换为nan
    data = data.replace(to_replace='?', value=np.nan)

    data = data.dropna()

    # 进行数据的分割
    x_train, x_test, y_train, y_test = train_test_split(data[column[1:10]], data[column[10]], test_size=0.25)

    # 进行标准化处理
    std = StandardScaler()

    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)

    # 逻辑回归预测
    lg = LogisticRegression(C=1.0)

    lg.fit(x_train, y_train)

    print('回归系数\n',lg.coef_)

    y_predict = lg.predict(x_test)

    print("准确率：", lg.score(x_test, y_test))

    print("召回率：", classification_report(y_test, y_predict, labels=[2, 4], target_names=["良性", "恶性"]))


if __name__ == "__main__":
    logistic()

输出结果

回归系数
 [[1.32854489 0.09059231 0.6221839  0.86693906 0.42247835 1.11436054
  1.61155614 0.49346007 0.87032027]]
准确率：0.9590643274853801
召回率：             precision    recall  f1-score   support

         良性       0.96      0.97      0.97       113
         恶性       0.95      0.93      0.94        58

  avg / total       0.96      0.96      0.96       171

注：结果中正确率(precision)，召回率(recall)及f1-score值的说明，通过一个例子简单了解下：

某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。撒一大网，逮着了700条鲤鱼，200只虾，100只鳖。那么，这些指标分别如下：

正确率 = 700 / (700 + 200 + 100) = 70%

召回率 = 700 / 1400 = 50%

f1-score值 = 70% * 50% * 2 / (70% + 50%) = 58.3%

---