分类4:机器学习处理乳腺癌数据集代码

1 介绍

乳腺癌数据属于二分类问题,包含569条样本,31个特征,1个标签维度。
如果有需要,可以联系:https://docs.qq.com/doc/DWEtRempVZ1NSZHdQ

2 导入常用的工具箱

import pandas as pd
import numpy as np
from sklearn.decomposition import PCA
from sklearn.tree import DecisionTreeClassifier
from sklearn.svm import SVC
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler, MinMaxScaler
from sklearn.preprocessing import LabelEncoder
import seaborn as sns
np.random.seed(123)

3 导入数据集

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

4 数据探索

4.1 打印数据信息

print(data.shape)
print(data.head())
print(data.describe())
print(data.info)

在这里插入图片描述

4.2 可视化显示

4.2.1 显示相关系数,并可视化

co = data.corr()
plt.subplots(figsize=(8, 8))
sns.heatmap(co.corr().round(2),annot=True)
plt.show()

在这里插入图片描述

4.2.2 显示每个类别的数量

sns.countplot(data['diagnosis'])
plt.show()

在这里插入图片描述

5 数据预处理

5.1 类别标签编码LabelEncoder

data["diagnosis"] = LabelEncoder().fit_transform(data["diagnosis"])
print(data["diagnosis"].head(5))

5.2 剔除id列drop

data.drop(["id"],axis=1, inplace=True)
print(data.columns)

5.3 查看是否有空值isnull

print(data.isnull().sum())

没有空值,不用对空值进行处理

5.4 划分训练集和测试集 train_test_split

from sklearn.utils import shuffle
data = shuffle(data,random_state=123) #打乱样本
x = data.drop(["diagnosis"], axis=1)
y = data["diagnosis"]
X_train, X_test, y_train, y_test = train_test_split(x, y, train_size=0.7, random_state=123)

数据集整体数量:569
训练集集整体数量:398
测试集整体数量:171

5.5 数据归一化MinMaxScaler

scaler = MinMaxScaler()
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)

6 使用多个模型训练和预测

model_list = [KNeighborsClassifier(),SVC(),DecisionTreeClassifier(),RandomForestClassifier()]
for model in model_list:
    model.fit(X_train, y_train)
    y_pred = model.predict(X_test)
    svm_acc = round(accuracy_score(y_test, y_pred), 2)
    print("{}模型精度:{}".format(model, svm_acc))
KNeighborsClassifier()模型精度:0.96
SVC()模型精度:0.98
DecisionTreeClassifier()模型精度:0.94
RandomForestClassifier()模型精度:0.95

7 超参数调优GridSearchCV

  • SCORERS查找评分指标
  • verbose=3才能显示出每次的迭代过程
  • scoring评分标准不一样,得到的结果就会不一样
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import SCORERS

param_grid = {"C": [0.01, 0.1, 1, 10, 100],
              "gamma": [0.0001, 0.001, 0.01, 0.1, 1, 10, 20]}

grid_search = GridSearchCV(SVC(), param_grid, cv=2, verbose=3, scoring="accuracy")
grid_search.fit(X_train, y_train)
print(grid_search.best_score_)
print(grid_search.best_params_)
print(grid_search.score(X_test, y_test))

最后的结果和在测试集上的得分

{'C': 1, 'gamma': 1}
0.9766081871345029
  • 5
    点赞
  • 72
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
乳腺癌数据集是一个常用的数据集,常被用于机器学习和数据分析的实践中。通过使用sklearn中的K均值(K-means)算法,我们可以对乳腺癌数据集进行聚类分析。 首先,我们需要导入必要的库和数据集。在sklearn中,我们可以使用`load_breast_cancer()`函数加载乳腺癌数据集,然后使用`KMeans`类创建一个K均值模型。 ```python from sklearn.datasets import load_breast_cancer from sklearn.cluster import KMeans # 导入数据集 data = load_breast_cancer() X = data.data # 创建K均值模型 kmeans = KMeans(n_clusters=2, random_state=0) ``` 在上述代码中,我们使用了`load_breast_cancer()`函数加载了乳腺癌数据集,并将特征数据存储在`X`中。然后,我们使用`KMeans`类创建了一个K均值模型,并指定了需要聚类的类别数为2,并设置了一个随机种子用于重复性的结果。 接下来,我们可以使用`.fit()`方法来拟合数据集,并使用`.predict()`方法进行预测。 ```python # 拟合数据集 kmeans.fit(X) # 进行预测 labels = kmeans.predict(X) ``` 上述代码中,我们使用`.fit()`方法来拟合数据集,并将预测的结果存储在`labels`中。 最后,我们可以使用K均值算法得到的结果来对数据进行可视化和分析。我们可以绘制散点图来展示不同类别的数据点,并使用不同的颜色来表示不同的簇。 ```python import matplotlib.pyplot as plt # 绘制散点图 plt.scatter(X[:, 0], X[:, 1], c=labels) plt.title('Breast Cancer Clustering') plt.xlabel('Feature 1') plt.ylabel('Feature 2') plt.show() ``` 上述代码中,我们使用`plt.scatter()`函数绘制了散点图,并通过`c`参数将不同类别的数据点着色。然后,我们添加了标题和轴标签,并使用`plt.show()`函数展示图像。 通过以上步骤,我们可以使用sklearn中的K均值算法对乳腺癌数据集进行聚类分析,并通过可视化结果来观察不同类别的数据点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王小葱鸭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值