数据挖掘--Python入门经典学习1--乳腺癌分类问题

Posted 2020-10-01

基于肿瘤特征判定是恶性肿瘤还是良性肿瘤，通过研究699个患者的肿瘤属性，找到肿瘤预测模式，根据肿瘤属性来判定肿瘤性质，对没有见过见过面的患者，根据属性来判定是否为恶性肿瘤。

用到的数据：链接：http://pan.baidu.com/s/1c26Dbjy 密码：gllb

 

[html] view plain copy

 

1. ###########################################  
2. #        分类器：肿瘤良性还是恶性  
3. ###########################################  
4.   
5.   
6.   
7. ###########################################  
8. #      读入数据集，并得到元祖列表  
9. ###########################################  
10. def ReadSet(FileName):  
11.     TrainSet = []  
12.     TrainFile = open(FileName)  
13.     for line in TrainFile:  
14.         line = line.strip()             #去掉‘\n‘  
15.         if ‘?‘ in line:                 #注意：引号中间不要有空格，去掉含有问号的坏数据  
16.             continue  
17.         id,a1,a2,a3,a4,a5,a6,a7,a8,a9,diag = line.split(‘,‘)#以逗号分开  
18.         if diag == ‘4‘:  
19.             diagMorB = ‘m‘  
20.         else:  
21.             diagMorB = ‘b‘  
22.         PatientTuple = (id,diagMorB,int(a1),int(a2),int(a3),int(a4),int(a5),\  
23.                         int(a6),int(a7),int(a8),int(a9))  
24.         TrainSet.append(PatientTuple)  
25.     return TrainSet  
26. ###########################################  
27. #           训练分类器  
28. ###########################################  
29. def sumLists(list1,list2):  
30.     listofsums =[0.0] * 9  
31.     for index in range(9):  
32.         listofsums[index] = list1[index] + list2[index]  
33.     return listofsums  
34.   
35. def makeAverages(listofsums,total):  
36.     averageList =[0.0] * 9  
37.     for index in range(9):  
38.         averageList[index] = listofsums[index]  / float(total)  
39.     return averageList  
40.   
41. def Classifier(TrainSet):  
42.     benignSums = [0] * 9  
43.     benignCount = 0  
44.     malignantSums = [0] * 9  
45.     malignantCount = 0  
46.   
47.     for patientTup in TrainSet:  
48.         if patientTup[1] == ‘b‘:  
49.             benignSums = sumLists(benignSums,patientTup[2:])  
50.             benignCount += 1  
51.         else:  
52.             malignantSums = sumLists(malignantSums,patientTup[2:])  
53.             malignantCount += 1  
54.   
55.     benignAvgs = makeAverages(benignSums,benignCount)  
56.     malignantAvgs = makeAverages(malignantSums,malignantCount)  
57.   
58.     classifier = makeAverages(sumLists(benignAvgs,malignantAvgs),2)  
59.     return classifier  
60. ###########################################  
61. #           测试分类器  
62. ###########################################  
63. def Test(TestSet,classifier):  
64.     results = []  
65.     for patient in TestSet:  
66.         benignCount = 0  
67.         malignantCount = 0  
68.         for index in range(9):  
69.             if patient[index + 2] > classifier[index]:#注意索引值加2才是属性值  
70.                malignantCount += 1  
71.             else:  
72.                benignCount += 1  
73.         resultTuple = (patient[0],benignCount,malignantCount,patient[1])  
74.         results.append(resultTuple)  
75.     return results  
76. ###########################################  
77. #           格式化输出测试结果  
78. ###########################################  
79. def ShowResult(Result):  
80.     totalCount = 0  
81.     wrongcount = 0  
82.   
83.     for r in Result:  
84.         totalCount += 1  
85.         if r[1] > r[2]:  
86.             if r[3] == ‘m‘:  
87.                 wrongcount += 1  
88.         elif r[3] == ‘b‘:  
89.             wrongcount += 1  
90.     print("%d patients,there were %d wrong" %(totalCount,wrongcount))  
91. ###########################################  
92. #           主函数  
93. ###########################################    
94. def main():  
95.   
96.     print("Reading in train data ...")  
97.     TrainFileName = "C:\\Python36\\code\\RuXian\\fullTrainData.txt"  
98.     TrainSet = ReadSet(TrainFileName)  
99.     #print(TrainSet)  
100.     print("Read TrainSet Done!")  
101.   
102.     print("Begin Training...")  
103.     classifier = Classifier(TrainSet)  
104.     print("Train Classifier Done!")  
105.   
106.     print("Reading in test data ...")  
107.     TestFileName = "C:\\Python36\\code\\RuXian\\fullTestData.txt"  
108.     TestSet = ReadSet(TestFileName)  
109.     print("Read TestSet Done!")  
110.   
111.     print("Begin Testing...")  
112.     Result = Test(TestSet,classifier)  
113.     #print(Result)  
114.     print("Test  Done!")  
115.   
116.     ShowResult(Result)  
117.     print ("program finished.\n")  

参考：《Pthon入门经典学习书》