Python是一种非常强大的编程语言,在大数据时代,可以帮助我们很好的应付复杂的数据,今天我们来介绍如何用Python来预测乳腺癌的案例,学会后,你可以应用到其他地方,比如通过一些数据预测某个人是否患心脏病,比如自动驾驶技术预测是否要刹车,是否能变道等。
在讲解案例之前,首先回顾我们去医院看病的场景,医生通过一系列的化验,检查,最终确定病症,我们可以将这些检查结果看做是患者的特征(feature)。比如一位患者的体内白细胞远远高出正常水平,那么可能的诊断结果就是细菌感染,患者尿液中的含糖量过高,那么很有可能患有糖尿病,那么切入主题,我们是否可以根据患者胸部细胞的大小、形态、细胞膜黏性等等特征来判断患者是否患有乳腺癌呢?下面我们来用Python实现预测!
一、数据集介绍
现在我们搜集了一些已有的正常人和乳腺癌患者的胸部细胞数据,数据集为UCI网站上的乳腺癌数据集,为二分类数据集,并经过部分处理。
数据分为训练集(breast-cancer_train.txt)和测试集(breast-cancer_test.txt),训练集用于训练模型,让模型能够具备检测乳腺癌的能力,测试集用于检测我们的模型是不是真的具备这样的能力,这里我们简单聊一下为什么一定要划分为训练集和测试集呢?我们回顾一下我们小学,初中考试,如果这次考试的试卷和上一次的一样,那么考试的结果能说明学生真正掌握了知识么?回答是否定的,同样我们为模型准备了两份数据,一份用于学习,另一份用来考试,当然数据集的划分不需要我们自己来做啦,因为UCI已经帮我们做好啦,样本