超级会员免费看
本文通过逻辑回归算法对乳腺癌数据集进行二分类预测，详细介绍了问题背景、数据集分析、代码实现及算法优缺点。数据集包含699个样本，11个特征，存在16个缺失值。关键步骤包括数据预处理、模型训练与评估，模型应用时考虑了准确率、时间和资源消耗等因素。
一、问题背景
利用机器学习算法实现乳腺癌数据集的二分类问题，良恶性乳腺癌肿瘤预测。
二、数据集分析
- 乳腺癌数据集下载地址为：https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/
- 乳腺癌数据集中一共有699个样本，共11列数据，每个样本有10个特征和1个对应的标签
- 包含16个缺失值，用”？“标出
| 属性 | 含义 |
|---|---|
| Sample code number | 索引ID |
| Clump Thickness | 肿瘤厚度 |
| Uniformity of Cell Size | 细胞大小均匀性 |
| Uniformity of Cell Shape | 细胞形状均匀性 |
| Marginal Adhesion | 边缘粘附力 |
| Single Epithelial Cell Size | 单上皮细胞大小 |
| Bare Nuclei | 裸核 |
| Bland Chromatin | 染色质的颜色 |
| Normal Nucleoli | 核仁正常情况 |
| Mitoses | 有丝分裂情况 |
订阅专栏 解锁全文
325
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
