基于印第安人糖尿病人数据集进行模型训练及结果预测

第一步：先进行数据预处理

#数据预处理
import pandas as pd
path = 'C:/Users/詹鹏程/Desktop/python/机器学习/diabetes.csv'
pima = pd.read_csv(path)
pima.head()

#查看是否正确读入
#print(pima)

#用x,y进行赋值
feature_names = ['Pregnancies','Insulin','BMI','Age']
x = pima[feature_names]
y = pima.Outcome

#确认维度
print(x.shape)
print(y.shape)

运行结果：

第二步：进行数据分离和基本的一些操作

#数据分离
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=0)

#模型训练
from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression()
logreg.fit(x_train,y_train)

#基于测试数据集结果预测
y_pred = logreg.predict(x_test)

#使用准确率进行评估
from sklearn import metrics
print(metrics.accuracy_score(y_test,y_pred))

#确认正负样本的数据量
print(y_test.value_counts())

#1的比例
y_test.mean()

#0的比例
1-y_test.mean()

#空准确率
max(y_test.mean(),1-y_test.mean())

输出结果：

最后一步：运用混淆矩阵

#计算并展示混淆矩阵

print(metrics.confusion_matrix(y_test,y_pred))


#展示部分实际结果（25组）
print("true:",y_test.values[0:25])
print("pred:",y_pred[0:25])


#四个因子的赋值
confusion = metrics.confusion_matrix(y_test,y_pred)
TN = confusion[0,0]
FP = confusion[0,1]
FN = confusion[1,0]
TP = confusion[1,1]
print(TN,FP,FN,TP)

#准确率
Accuracy = (TP+TN)/(TN+FP+FN+TP)
print(Accuracy)
print(metrics.accuracy_score(y_test,y_pred))

#错误率
mis_rate = (FP+FN)/(TN+FP+FN+TP)
print(mis_rate)
print(1-metrics.accuracy_score(y_test,y_pred))

#灵敏度（召回率）
recall = TP/(TP+FN)
print(recall)

#特异度
specificity = TN/(TN+FP)
print(specificity)

#精确度
precision = TP/(TP+FP)
print(precision)

#F1_Score分数
F1_Score = (2*precision*recall)/(recall+precision)
print(F1_Score)

输出结果：

混淆矩阵的基本定义：

TP = True Postive ：预测准确，实际为正样本的数量

FP = False Positive ：预测错误，实际为负样本的数量

FN = False Negative ：预测错误，实际为正样本的数量

TN = True Negative ：预测准确，实际为负样本的数量

混淆指标：