#-*- coding: utf-8 -*-
import
pandas
import
numpy
#create featrue list
column_name = ['
sample code number
', '
clump thickness
', '
uniformity of cell size
', '
uniformity of cell shape
','marginal adhesion
','single epithelial cell size
','bare nuclei
','bland chromatin
','normal nucleoli
','mitoses
','class']
#獲取資料
data = pandas.read_csv('
', names=column_name)
#print(type(data))
#將資料中的空值替換為？
data = data.replace(to_replace='
?', value=numpy.nan)
#刪除鍵值存在空值的資料
data = data.dropna(how='
any'
)from sklearn.model_selection import
train_test_split
#將資料集分為 訓練集和測試集（x_train:訓練資料,y_train:訓練標記/特徵；x_test：測試資料集，y_test:測試標記、特徵）
x_train, x_test, y_train, y_test = train_test_split(data[column_name[1:10]], data[column_name[10]], test_size=0.25, random_state=33)
from sklearn.preprocessing import
standardscaler
from sklearn.linear_model import
logisticregression
from sklearn.linear_model import
sgdclassifier
ss =standardscaler()
x_train =ss.fit_transform(x_train)
x_test =ss.transform(x_test)
lr =logisticregression()
sc =sgdclassifier()
lr.fit(x_train, y_train)
lr_y_predict =lr.predict(x_test)
sc.fit(x_train, y_train)
sc_y_predict =sc.predict(x_test)
from sklearn.metrics import
classification_report
print('
邏輯斯蒂模型-準確率
'.decode('
utf-8
'), lr.score(x_test, y_test))
print(classification_report(y_test,lr_y_predict, target_names=['
良性','惡性'
]))print('
隨機梯度上公升模型-準確率
'.decode('
utf-8
'), sc.score(x_test, y_test))
print(classification_report(y_test,sc_y_predict, target_names=['
良性','惡性'
]))#
print(lr_y_predict)
#print(sc_y_predict)
《機器學習及實踐》 閱讀記錄。
線性分類：
1.邏輯斯蒂演算法；
2.隨機梯度上公升演算法；
線性分類器是最常用和最基礎的機器學習模型。邏輯斯蒂（logisticregression）和隨機梯度上公升（sgdclassifier）前者對引數採用精確解析的方式，計算時間場但模型效能較高，後者採用隨機梯度上公升估算模型引數，計算時間短但產出的模型效能略低。
邏輯斯蒂回歸 機器學習ML
參考 1.統計學習方法 李航 2.邏輯斯蒂回歸是乙個非常經典的二項分類模型，也可以擴充套件為多項分類模型。其在應用於分類時的過程一般如下，對於給定的資料集，首先根據訓練樣本點學習到引數w,b 再對 點分別計算兩類的條件概率，將 點判為概率值較大的一類。1 線性模型 邏輯斯蒂回歸屬於對數線性模型，那什...
《機器學習實戰》 邏輯斯蒂回歸《一》
回歸我們知道有線性回歸，線性回歸模型能夠無限的逼近我們的結果。以 x i,yi 為例，通過線性回歸 f x w tx b 表示式，就可以得到我們對yi 的估計值。如何從線性回歸轉換到分類呢？由於線性回歸得到的是連續值，z wtx b z 的範圍 是這樣的乙個連續值無法直接轉換為類別。那怎麼辦？最簡單...
機器學習演算法詳解 邏輯斯蒂回歸模型
邏輯斯蒂回歸模型是一種分類模型，其目的解決分類問題而非回歸問題。logistic回歸是乙個判別模型，直接學習後驗概率分布，其學習演算法可以理解為極大似然估計法。模型分類演算法通過定義乙個分離超平面來分割不同類別的資料，用sigmoid函式作為後驗概率分布函式來對輸入資料進行分類。模型的學習演算法通過...