乳腺癌逻辑回归分类器代码
时间: 2024-04-17 14:22:33 浏览: 18
乳腺癌逻辑回归分类器是一种常用的机器学习算法,用于对乳腺癌数据进行分类。下面是一个简单的乳腺癌逻辑回归分类器的代码示例:
```python
# 导入所需的库
import numpy as np
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
# 加载乳腺癌数据集
data = load_breast_cancer()
X = data.data
y = data.target
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建逻辑回归分类器对象
classifier = LogisticRegression()
# 在训练集上训练模型
classifier.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = classifier.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)
```
这段代码使用了scikit-learn库来实现乳腺癌逻辑回归分类器。首先,通过`load_breast_cancer`函数加载乳腺癌数据集,然后将数据集划分为训练集和测试集。接下来,创建一个逻辑回归分类器对象,并在训练集上训练模型。最后,使用测试集进行预测,并计算准确率。