Re:从零开始的代码生活的博客

利用支持向量机分析乳腺癌数据集（1） 得出相应的分类指标准确率accuracy，精确率precision，召回率recall，F1-score，并画出最终的ROC曲线，得出AUC值。数据中已经分好了训练集和测试集，是二分类问题（阴性和阳性），使用支持向量机建模对数据进行分类。（3） 运用5-fold Cross-validation方法进行验证。（2） 对比感知机算法也进行训练和测试，比较两个算法的结果。

利用BP神经网络分析中医药“瘀血阻络证”数据。数据中总共有664条数据，每条数据分别是多个症状对应一个症候，本质上是一个简单的二分类问题，即根据症状分类是否属于瘀血阻络证。具体要求：（1）全部数据作为训练集：得出相应的分类指标准确率accuracy，精确率precision，召回率recall，F1-score，并画出最终的ROC曲线，得出AUC值（2）把数据集分为训练集、验证集和测试集，再进行分类，并得出准确率等（3）运用5-fold Cross-validation方法进行验证，与前两种方法对比

利用逻辑回归分析中医药“瘀血阻络证”数据（1）全部数据作为训练集：得出相应的分类指标准确率accuracy，精确率precision，召回率recall，F1-score，并画出最终的ROC曲线，得出AUC值。数据中总共有664条数据，每条数据分别是多个症状对应一个症候，本质上是一个简单的二分类问题，即根据症状分类是否属于瘀血阻络证。（3）运用5-fold Cross-validation方法进行验证，与前两种方法对比。（2）把数据集分为训练集、验证集和测试集，再进行分类，并得出准确率等。

利用ovarian数据集进行生存分析。

NumPy创建数组对象1. array()函数示例：import numpy as npdata1 = [1, 2, 3, 4, 5] #列表arr1 = np.array(data1)print("arr1：",arr1)data2 = (2, 4, 6, 8, 10) #元组arr2 = np.array(data2)print("arr2：",arr2)data3 = [[1, 2, 3, 4], [5, 6, 7, 8]] #多维数组arr3 = np.array(d