目录

试错

 一、读取数据

二、划分数据集

三、对训练集和测试集标准化

四、创建逻辑回归预估器，训练得到模型

五、模型评估

总代码

---

试错

这里必须要做对缺失数据的处理，否则会报错：

ValueError: could not convert string to float: '?'

所以我们需要进行这一步，缺失数据处理：

# 2、缺失数据处理
data = data.replace(to_replace='?', value = np.nan)
data.dropna(inplace=True)

 一、读取数据

# 1、读取数据
column_name=['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']

pd.set_option('display.max_columns',1000)        # 设置最大列数
pd.set_option('display.max_rows',1000)           # 设置最大行数

data=pd.read_csv('breast-cancer-wisconsin.data', names=column_name)
print(data)

注：为了看到数据的全貌，我对可显示行列做了一个拓展。

pd.set_option('display.max_columns',1000)        # 设置最大列数
pd.set_option('display.max_rows',1000)           # 设置最大行数

处理前的结果：

 处理后的结果：

 

二、划分数据集

训练集舍弃掉首行和末行（编号之类的没有训练价值）

# 3、划分数据集
train = data.iloc[:, 1:-1]
target = data['Class']
train_data, test_data, train_target, test_target = train_test_split(train, target)

 

三、对训练集和测试集标准化

# 4、标准化（训练集和测试集）
transfer = StandardScaler()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)

 

四、创建逻辑回归预估器，训练得到模型

# 5、创建逻辑回归预估器
estimator = LogisticRegression()
estimator.fit(train_data, train_target)

逻辑回归预估器训练得到的模型： 

 

查看逻辑回归的回归系数和偏置：

# 查看模型参数：回归系数 和 偏置
print('回归系数：', estimator.coef_)
print('偏置：', estimator.intercept_)

 

五、模型评估

# 6、模型评估
# 方法一：比对
predict = estimator.predict(test_data)
print(predict==test_target)
# 方法二：计算正确率
score = estimator.score(test_data, test_target)
print('逻辑回归分类正确率为：', score)

 

总代码

# 逻辑回归：癌症分类
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

# 1、读取数据
column_name=['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']

pd.set_option('display.max_columns',1000)        # 设置最大列数
pd.set_option('display.max_rows',1000)           # 设置最大行数

data=pd.read_csv('breast-cancer-wisconsin.data', names=column_name)
# print(data)

# 2、缺失数据处理
data = data.replace(to_replace='?', value = np.nan)
data.dropna(inplace=True)

# 3、划分数据集
train = data.iloc[:, 1:-1]
target = data['Class']
train_data, test_data, train_target, test_target = train_test_split(train, target)
# print(train_data)

# 4、标准化（对训练集和测试集标准化）
transfer = StandardScaler()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)
# print(train_data)

# 5、创建逻辑回归预估器
estimator = LogisticRegression()
estimator.fit(train_data, train_target)
# print(train_data)

# 查看模型参数：回归系数 和 偏置
print('回归系数：', estimator.coef_)
print('偏置：', estimator.intercept_)

# 6、模型评估
# 方法一：比对
predict = estimator.predict(test_data)
print(predict==test_target)
# 方法二：计算正确率
score = estimator.score(test_data, test_target)
print('逻辑回归分类正确率为：', score)