机器学习中分类算法及其在乳腺癌中的预测应用代码

Posted 2021-08-06 ai52learn

(一)编程实现基于SMO的非线性支持向量机算法。

(二)用测试集进行验证。

乳腺癌数据集分类

乳腺癌数据集特征属性：

1、平均半径
2、平均纹理
3、平均周长
4、平均面积
5、平均平滑度
6、平均紧密度

.......
11、半径误差
12、纹理误差
13、周长误差
14、区域误差
15、平滑度误差
16、紧密度误差
 ......

共30个特征

√算法步骤
(一）处理数据:使用sklearn数据集，将前两类标签的数据作为本次实例使用。然后划分为训练集和测试集。
(二）构建SVM算法:构建非线性支持向量机。

(三）预测:使用测试集的特征预测其类别。
(四）评估精度:评估对于测试数据集的预测精度。
(五)完整代码:使用所有代码呈现一个完整的、独立的支持向量机算法的实现。
(六)实验结果:对比不同的特征选择对实验结果的影响。

 
 代码运行结果

Feature(1~15) Visualization

Feature(16~30) Visualization

训练过程

 

获取代码：https://code.52learn.online/1