小白都能看懂！Python机器学习预测乳腺癌疾病案例剖析！

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