机器学习中分类算法及其在乳腺癌中的预测应用代码

Posted ai52learn

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习中分类算法及其在乳腺癌中的预测应用代码相关的知识,希望对你有一定的参考价值。

(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 

以上是关于机器学习中分类算法及其在乳腺癌中的预测应用代码的主要内容,如果未能解决你的问题,请参考以下文章

Python机器学习实战

用神经网络算法,预测乳腺肿瘤性质

文章集合--作者篇--中

《Python机器学习及实践》----良/恶性乳腺癌肿瘤预测

《Python机器学习及实践》----良/恶性乳腺癌肿瘤预测

机器学习理论大会战——朴素贝叶斯(分类实践)