使用逻辑回归进行乳腺癌良恶性预测,求代码
时间: 2024-10-12 17:11:47 浏览: 35
逻辑回归是一种广泛用于分类任务的统计学模型,尤其适合二分类问题,如判断乳腺癌是否良性。在Python中,我们可以使用sklearn库来实现逻辑回归。下面是一个简单的例子:
```python
# 导入所需的库
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
# 加载数据集
data = load_breast_cancer()
X = data.data # 特征
y = data.target # 分类标签,0为良性,1为恶性
# 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)
# 创建并训练逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)
# 预测测试集结果
y_pred = model.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")
# 如果需要,还可以查看模型的详细信息
# model.coef_ 和 model.intercept_ 分别表示特征的权重和截距
```
这个例子展示了如何用逻辑回归对乳腺癌数据进行预测,并计算了模型在测试集上的性能。请注意,在实际应用中,你可能还需要对数据进行预处理(如标准化、缺失值处理等),以及调整模型参数。
阅读全文