关于Breast Cancer Wisconsin (Diagnostic) Data Set 乳腺癌数据集的基本情况可以看我之前发的博客:https://blog.csdn.net/weixin_42305378/article/details/106058697
这边主要是使用sklearn的决策树算法对乳腺癌数据集进行分类,并用五折交叉验证评估
以前我们是直接将数据分割成70%的训练数据和测试数据,现在我们利用5折交叉验证分割数据,首先将数据分为5组,然后再从5组数据之中选择不同数据进行训练。
from sklearn import tree
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.model_selection import cross_val_score
#加载数据集
cancer =datasets.load_breast_cancer()
# pt=datasets.load_sample_images() 输出图片
# print(pt)
cancer_X=cancer.data #数据
print(cancer_X.shape)
cancer_Y=cancer.target #标签
print(cancer_Y.shape)
#使用决策分类树
clf = tree.DecisionTreeClassifier(criterion="entropy" )
#引入五折交叉验证
scores=cross_val_score(clf,cancer_X, cancer_Y,cv=5,scoring='accuracy')#评分方式为accuracy
print(scores) #会得到五组的评分结果
print(scores.mean())#平均评分结果