基于python的良恶性肿瘤预测代码
时间: 2023-11-09 20:06:58 浏览: 64
以下是一个基于 Python 的良恶性肿瘤预测代码示例,使用了 scikit-learn 库中的支持向量机模型:
```python
# 导入必要的库
import pandas as pd
import numpy as np
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据集
data = pd.read_csv('breast-cancer.csv')
# 将类别标签(M/B)转换为 0/1
data['diagnosis'] = np.where(data['diagnosis'] == 'M', 1, 0)
# 提取特征和标签
X = data.drop(['id', 'diagnosis', 'Unnamed: 32'], axis=1)
y = data['diagnosis']
# 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)
# 创建支持向量机分类器
clf = svm.SVC(kernel='linear')
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集结果
y_pred = clf.predict(X_test)
# 计算准确率
acc = accuracy_score(y_test, y_pred)
print('Accuracy:', acc)
```
该代码使用了 scikit-learn 库中的支持向量机模型,读取了一个名为 `breast-cancer.csv` 的数据集。在预处理数据中,将类别标签(M/B)转换为 0/1,并提取了特征和标签。接着使用 `train_test_split` 函数将数据集划分为训练集和测试集。最后,使用 `svm.SVC` 创建支持向量机分类器,并使用 `fit` 函数训练模型。在测试集上进行预测,并使用 `accuracy_score` 函数计算准确率。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)