机器学习---混淆矩阵代码（使用支持向量机（SVM）算法对乳腺癌数据集进行二元分类，并对分类结果进行评估）

三月七꧁ ꧂

已于 2023-10-13 21:45:06 修改

阅读量1.5k

点赞数 2

分类专栏：机器学习文章标签：机器学习矩阵 python

于 2023-07-27 22:28:26 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_43961909/article/details/131969516

版权

文章展示了如何利用scikit-learn库进行数据预处理，包括导入数据、使用LabelEncoder进行标签编码、划分训练测试集，以及构建Pipeline进行特征缩放和SVM分类。接着，通过混淆矩阵和评价指标（精确率、召回率、F1得分）评估模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 导包：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.svm import SVC
import numpy as np
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
from sklearn.metrics import precision_score, recall_score, f1_score

2. 导入数据：

# 导入数据
file = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/wdbc.data',
                 header=None)
df=file
# 提取DataFrame中所有行的第2列及之后所有列的操作，将其转换为一个NumPy数组
X = df.loc[:, 2:].values
y = df.loc[:, 1].values

le = LabelEncoder()
y = le.fit_transform(y)  # 类标整数化

df是一个DataFrame对象，loc是用于按标签选择数据的方法。[:, 2:]表示选择所有行（冒号表示

所有行）和从第2列到最后一列的所有列。