散文網(wǎng) » 科技 »學(xué)習(xí) » python機(jī)器學(xué)習(xí)-乳腺癌細(xì)胞挖掘

python機(jī)器學(xué)習(xí)-乳腺癌細(xì)胞挖掘

2021-01-23 11:48 作者:python風(fēng)控模型 0人讀過(guò) | 我要投稿

隨著人們生活水平提高，大家不僅關(guān)注如何生活，而且關(guān)注如何生活得更好。在這個(gè)背景下，精準(zhǔn)治療和預(yù)測(cè)診斷成為當(dāng)今熱門(mén)話題。

據(jù)權(quán)威醫(yī)學(xué)資料統(tǒng)計(jì)，全球大約每13分鐘就有一人死于乳腺癌，乳腺癌已成為威脅當(dāng)代人健康的主要疾病之一，并且隨著發(fā)病率的增加，死亡率也逐漸增加，作為女性實(shí)在不能不重視。
其中前十位死因；女性乳腺癌為首因，其余順序與全人群死因一致。其中，乳腺癌可能沒(méi)有任何先兆，是一個(gè)隱形殺手。
有不少人的乳腺癌是沒(méi)有任何征兆的，有可能只是發(fā)現(xiàn)腫塊但沒(méi)有任何不舒服的地方，但一檢查就確診乳腺癌的情況不在少數(shù)，更甚至于有些人已經(jīng)發(fā)展到乳腺癌晚期，只能采取切除患病乳房的方式來(lái)挽救生命。因此一定要密切注意乳房的變化，每年體檢一次，排除患癌因素最保險(xiǎn)。有權(quán)威數(shù)據(jù)統(tǒng)計(jì)，中國(guó)將進(jìn)入乳腺癌高峰期，到2021年中國(guó)將有250萬(wàn)人患乳腺癌！保養(yǎng)胸部將不再是“喜不喜歡、需不需要”可選問(wèn)題，在未來(lái)的日子里乳腺癌預(yù)防將是每個(gè)不同年齡女人的必須選擇。
乳腺癌的主要癥狀包括：
1、腫塊
為95%乳腺癌病人的乎發(fā)癥狀。大多單發(fā)，少見(jiàn)多發(fā)，形態(tài)偏于圓形、橢圓形或不規(guī)則形。質(zhì)地一般較硬、境界不清。個(gè)別如髓樣癌質(zhì)地較軟，境界較清。多發(fā)于外上象限，腫塊增大較快，早期可有活動(dòng)度。
2、皮膚改變
常見(jiàn)為淺表靜脈怒張，酒窩征和桔皮樣皮膚。炎性乳癌病人胸部皮膚可大片顏色變暗，呈硬結(jié)、增厚，雜以癌性斑塊和潰瘍呈鎧甲狀胸壁。晚期乳癌可向淺表潰破，形成潰瘍或菜花狀新生物。
3、乳頭乳暈改變
乳房中央?yún)^(qū)乳腺癌，大導(dǎo)管受侵犯可致乳頭扁平、凹陷、回縮，甚至乳頭陷入暈下，導(dǎo)致乳暈變形。Paget氏病可出現(xiàn)乳頭、乳暈皮膚濕疹樣改變。
4、乳頭溢液
乳腺癌伴溢液占乳癌總數(shù)的1.3-7%,且多見(jiàn)于管內(nèi)癌、乳頭狀癌。血性溢液多見(jiàn)，次為漿液性、漿血性、水樣等也有。以溢液為唯一癥狀乳癌，極少見(jiàn)，且大多為早期管內(nèi)癌、乳頭狀癌，溢液乳腺癌多數(shù)先發(fā)現(xiàn)腫塊后伴有溢液。
5、疼痛
早期出現(xiàn)的為無(wú)痛性腫塊。乳癌合并囊性增生病時(shí)，可有脹痛、鈍痛。晚期乳癌疼痛常提示腫瘤直接侵犯神經(jīng)。
6、腋淋巴結(jié)腫大
作為乳腺癌首發(fā)癥狀少見(jiàn)(除非隱匿型乳腺癌)。大多提示乳腺癌病程進(jìn)展，需排除上肢、肩背、胸部其他惡性腫瘤轉(zhuǎn)移所致。

精準(zhǔn)醫(yī)療和診斷預(yù)測(cè)離不開(kāi)計(jì)算機(jī)編程，臨床數(shù)據(jù)和機(jī)器學(xué)習(xí)算法。

?

乳腺癌是世界各地女性常見(jiàn)的癌癥，通過(guò)盡早對(duì)患者進(jìn)行臨床治療，盡早發(fā)現(xiàn)BC可大大改善預(yù)后和生存機(jī)會(huì)。因此，僅通過(guò)使用數(shù)據(jù)，python和機(jī)器學(xué)習(xí)就能幫助挽救生命真是太神奇了！通過(guò)下述代碼，您已經(jīng)完成創(chuàng)建乳房檢測(cè)程序來(lái)預(yù)測(cè)患者是否患有癌癥！同樣，如果您愿意，您可以報(bào)名聽(tīng)我講解課程的所有代碼。

歡迎各位同學(xué)學(xué)習(xí)《python機(jī)器學(xué)習(xí)-乳腺癌細(xì)胞挖掘》課程，教會(huì)大家建立診斷預(yù)測(cè)乳腺癌細(xì)胞模型，學(xué)習(xí)地址1

https://ke.qq.com/course/3064292?tuin=dcbf0ba

學(xué)習(xí)地址2

https://study.163.com/course/courseMain.htm?courseId=1005269003&share=2&shareId=400000000398149

作者介紹

Toby，持牌照金融公司擔(dān)任模型驗(yàn)證專(zhuān)家,國(guó)內(nèi)最大醫(yī)藥數(shù)據(jù)中心數(shù)據(jù)挖掘部門(mén)負(fù)責(zé)人！和重慶兒科醫(yī)院，中科院教授，賽柏藍(lán)保持慢病數(shù)據(jù)挖掘項(xiàng)目合作！管理過(guò)歐美日中印巴西等國(guó)外藥典數(shù)據(jù)庫(kù)，馬丁代爾數(shù)據(jù)庫(kù)，F(xiàn)DA溶解度數(shù)據(jù)庫(kù)，臨床試驗(yàn)數(shù)據(jù)庫(kù)，WHO藥物預(yù)警等數(shù)據(jù)庫(kù)。

課程概述

此課程講述如何運(yùn)用python的sklearn快速建立機(jī)器學(xué)習(xí)模型。課程結(jié)合美國(guó)威斯康辛乳腺癌細(xì)胞臨床數(shù)據(jù)，實(shí)操演練，建立癌細(xì)胞預(yù)測(cè)分類(lèi)器。

課程講述十大經(jīng)典機(jī)器學(xué)習(xí)算法：邏輯回歸，支持向量，KNN,神經(jīng)網(wǎng)絡(luò)，隨機(jī)森林，xgboost,lightgBM,catboost。這些算法模型可以應(yīng)用于各個(gè)領(lǐng)域數(shù)據(jù)。

本視頻系列通俗易懂，課程針對(duì)學(xué)生和科研機(jī)構(gòu)，python愛(ài)好者。
本視頻教程系列有完整python代碼，觀眾看后可以下載實(shí)際操作。

了解癌癥腫瘤基本常識(shí)，建立健康生活方式，預(yù)防癌癥，減輕癌癥治療成本。

?

適用人群

研究生，博士生畢業(yè)論文，NCBI/SCI/Nature論文發(fā)布，python愛(ài)好者，機(jī)器學(xué)習(xí)，生物信息學(xué)，乳腺癌醫(yī)學(xué)科研機(jī)構(gòu)（課程有版權(quán)，引用需標(biāo)注來(lái)源）

?

?學(xué)習(xí)收益

0.癌癥常識(shí)

1.python編程

2.機(jī)器學(xué)習(xí)十大經(jīng)典算法建模

3.RDKIT建模

學(xué)習(xí)計(jì)劃和方法

1.每天保證1-2個(gè)小時(shí)學(xué)習(xí)時(shí)間，預(yù)計(jì)20-30天可以學(xué)習(xí)完整門(mén)課程。不同python基礎(chǔ)的學(xué)生學(xué)習(xí)時(shí)間相差較大。
2.每節(jié)課的代碼實(shí)操要保證，建議不要直接復(fù)制粘貼代碼，自己實(shí)操一遍代碼對(duì)大腦記憶很重要，有利于鞏固知識(shí)。
3.第二次學(xué)習(xí)時(shí)要總結(jié)上一節(jié)課內(nèi)容，必要時(shí)做好筆記，加深大腦理解。
4.不懂問(wèn)題要羅列出來(lái)，先自己上網(wǎng)查詢(xún)，查不到的可以咨詢(xún)老師。

課程背景

警鐘長(zhǎng)鳴！癌癥離我們遠(yuǎn)嗎？《我不是藥神》催人淚下，筆者在此揭露真相，癌癥不是小概率疾病，癌癥就在身邊。癌癥早期發(fā)現(xiàn)和控制可極大延長(zhǎng)壽命和減少治療費(fèi)用。筆者下載美國(guó)威斯康辛臨床數(shù)據(jù)，運(yùn)用python sklearn機(jī)器學(xué)習(xí)十大經(jīng)典算法建立乳腺癌分類(lèi)器模型，可預(yù)測(cè)正常細(xì)胞和癌細(xì)胞。我國(guó)醫(yī)院重視治療，但忽略疾病預(yù)防教育。通過(guò)我多年機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘，我發(fā)現(xiàn)疾病可防可控，通過(guò)自身努力，我們可以提前發(fā)現(xiàn)疾病早期癥狀或扼殺疾病于搖籃。希望此課程讓廣大醫(yī)療科研工作者認(rèn)識(shí)疾病預(yù)防教育重要性。課程還介紹RDKIT概述-開(kāi)源化學(xué)信息工具包，以及如何運(yùn)用python語(yǔ)言構(gòu)建Rdkit化學(xué)分子溶解度模型，此乃化學(xué)，生物信息學(xué)愛(ài)好者又一個(gè)福音。

?

課程目錄

章節(jié)1我的主頁(yè)和課前咨詢(xún)答疑
課時(shí)1我的所有教學(xué)系列介紹
課時(shí)2如何聯(lián)系作者和訪問(wèn)我的主頁(yè)
課時(shí)3歡迎項(xiàng)目合作
課時(shí)4如何下載腳本和原始數(shù)據(jù)
課時(shí)5誠(chéng)謝大家支持
章節(jié)2癌癥常識(shí)
課時(shí)6警鐘長(zhǎng)鳴！癌癥就在你身邊
課時(shí)7癌癥科普介紹
課時(shí)8病毒細(xì)菌誘發(fā)的癌癥
課時(shí)9禍從口入-致癌食物大揭秘
課時(shí)10Python機(jī)器學(xué)習(xí)挖掘癌細(xì)胞概述
章節(jié)3python編程環(huán)境搭建
課時(shí)11Anaconda快速入門(mén)指南
課時(shí)12Anaconda下載安裝
課時(shí)13Canopy下載和安裝
課時(shí)14Python非官方擴(kuò)展包下載地址
課時(shí)15python第三方包安裝(pip和conda install)
課時(shí)16Anaconda Navigator導(dǎo)航器
課時(shí)17Anaconda安裝不同版本python
課時(shí)18jupyter1_為什么使用jupyter notebook
課時(shí)19jupyter2_jupyter基本文本編輯操作
課時(shí)20如何用jupyter notebook打開(kāi)指定文件夾內(nèi)容？
課時(shí)21jupyter4_jupyter轉(zhuǎn)換PPT實(shí)操
課時(shí)22jupyter notebook用matplotlib不顯示圖片解決方案
課時(shí)23conda-forge安裝rdkit
章節(jié)4python基礎(chǔ)知識(shí)
課時(shí)24為什么學(xué)習(xí)編程？大多數(shù)學(xué)校不會(huì)告訴你的秘密
課時(shí)25python官網(wǎng)
課時(shí)26Python文件基本操作
課時(shí)27變量_表達(dá)式_運(yùn)算符_值
課時(shí)28字符串string
課時(shí)29程序基本構(gòu)架（條件，循環(huán)）
課時(shí)30數(shù)據(jù)類(lèi)型_函數(shù)_面向?qū)ο缶幊?br>課時(shí)31python2和3的區(qū)別
課時(shí)32編程技巧和學(xué)習(xí)方法
章節(jié)5sklearn機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)
課時(shí)33機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)介紹
課時(shí)34機(jī)器學(xué)習(xí)書(shū)籍推薦
課時(shí)35Python數(shù)據(jù)科學(xué)常用的包
課時(shí)36如何選擇算法
課時(shí)37sklearn算法速查表
課時(shí)38sklearn建?；A(chǔ)代碼
課時(shí)39python數(shù)據(jù)科學(xué)入門(mén)介紹（選修）
章節(jié)6獲取乳腺癌臨床數(shù)據(jù)
課時(shí)40數(shù)據(jù)獲取-乳腺癌細(xì)胞臨床數(shù)據(jù)
章節(jié)7變量篩選和描述性統(tǒng)計(jì)
課時(shí)41spss因子分析-解釋癌細(xì)胞特征
課時(shí)42變量篩選1-模型法
課時(shí)43變量篩選2-比例法percentile
課時(shí)44變量篩選3-方差法
課時(shí)45變量篩選4-KBest
課時(shí)46好變量/特征比算法更重要（英語(yǔ)-課外閱讀）
章節(jié)8十大經(jīng)典機(jī)器學(xué)習(xí)算法-建立乳腺癌細(xì)胞分類(lèi)器
課時(shí)47邏輯回歸logistic regression
課時(shí)48支持向量SVM
課時(shí)49KNN最近鄰算法
課時(shí)50決策樹(shù)-decision tree
課時(shí)51隨機(jī)森林-random forest
課時(shí)52神經(jīng)網(wǎng)絡(luò)neural network
課時(shí)53xgboost
課時(shí)54lightgbm基礎(chǔ)講解
課時(shí)55lightgBM腳本實(shí)現(xiàn)
課時(shí)56catboost基礎(chǔ)講解
課時(shí)57catboost腳本實(shí)現(xiàn)
課時(shí)58常見(jiàn)算法優(yōu)劣對(duì)比
課時(shí)59bagging VS boosting
課時(shí)60隨機(jī)森林和boosting算法擴(kuò)展知識(shí)（英文課外閱讀）

章節(jié)9數(shù)據(jù)預(yù)處理
課時(shí)61pandasl數(shù)據(jù)處理基礎(chǔ)知識(shí)
課時(shí)62啞變量處理-hotcode熱編碼
課時(shí)63imputer-缺失數(shù)據(jù)處理
課時(shí)64scale-數(shù)據(jù)標(biāo)準(zhǔn)化處理
章節(jié)10變量（特征）重要性
課時(shí)65邏輯回歸和集成樹(shù)算法變量（特征）重要性概述
課時(shí)66隨機(jī)邏輯回歸randomized logistic regression
課時(shí)67xgboost特征重要性
課時(shí)68catboost特征重要性
課時(shí)69lightgbm特征重要性
章節(jié)11模型調(diào)參
課時(shí)70遍歷調(diào)參法
課時(shí)71單個(gè)參數(shù)網(wǎng)格調(diào)參
課時(shí)72多參數(shù)網(wǎng)格調(diào)參
課時(shí)73隨機(jī)網(wǎng)格調(diào)參_random size search cv
章節(jié)12模型驗(yàn)證
課時(shí)74模型驗(yàn)證必要性-市場(chǎng)80%模型存在問(wèn)題
課時(shí)75交叉驗(yàn)證cross validation
課時(shí)76混淆矩陣
課時(shí)77roc曲線
課時(shí)78PSI（population stability index）模型穩(wěn)定性
課時(shí)79基尼系數(shù)GINI index-模型區(qū)分能力指標(biāo)
課時(shí)80KS（kolmogorov-smirnoff）-模型區(qū)分能力指標(biāo)

章節(jié)13Rdkit化學(xué)分子溶解度模型
課時(shí)79RDKIT概述-開(kāi)源化學(xué)信息工具包
課時(shí)80Rdkit如何構(gòu)建化學(xué)分子的溶解度預(yù)測(cè)模型
課時(shí)81conda-forge安裝rdkit
課時(shí)82讀取dat格式的化學(xué)分子式數(shù)據(jù)
課時(shí)83smiles字符串形式轉(zhuǎn)換為MOL分子式
課時(shí)84MOL分子結(jié)構(gòu)轉(zhuǎn)換為指紋數(shù)字形式
課時(shí)85隨機(jī)森林和高斯算法建模
課時(shí)86rdkit本章節(jié)腳本和數(shù)據(jù)下載

章節(jié)14附錄
課時(shí)81如何運(yùn)用公開(kāi)資料學(xué)習(xí)python（GitHub，kaggle，StackOverflow)
課時(shí)82顯微鏡下癌細(xì)胞
課時(shí)83python在生物分子學(xué)應(yīng)用（英文課外擴(kuò)展）
課時(shí)84SIR模型預(yù)測(cè)新冠狀病毒2019-nCoV

乳腺癌建模數(shù)據(jù)

?

課程中十大經(jīng)典機(jī)器學(xué)習(xí)算法震撼登場(chǎng)：邏輯回歸，支持向量，KNN,神經(jīng)網(wǎng)絡(luò)，隨機(jī)森林，xgboost,lightgBM,catboost。課程提供視頻里講解腳本，這些模型腳本可以應(yīng)用于各個(gè)領(lǐng)域數(shù)據(jù)，包括金融反欺詐模型，信用評(píng)分模型，收入預(yù)測(cè)模型等等，為中小企業(yè)提供現(xiàn)成解決方案。

?

隨機(jī)森林變量權(quán)重可視化

?

課程耗費(fèi)三年時(shí)間，360度無(wú)死角的講述整個(gè)模型開(kāi)發(fā)周期，非市場(chǎng)上快餐教學(xué)。教程包括數(shù)據(jù)獲取，數(shù)據(jù)預(yù)處理，變量篩選，模型篩選，模型評(píng)估，模型調(diào)參。

本視頻系列通俗易懂，課程針對(duì)學(xué)生和科研機(jī)構(gòu)，python愛(ài)好者。本視頻教程系列有完整python代碼，觀眾看后可以下載實(shí)際操作。這些模型代碼可為中小型企業(yè)提供解決方案。

?

?

python機(jī)器學(xué)習(xí)編程環(huán)境搭建

python機(jī)器學(xué)習(xí)-乳腺癌細(xì)胞挖掘課程講授初學(xué)者如何搭建python的Anaconda編程環(huán)境，Anaconda是一個(gè)集成數(shù)據(jù)科學(xué)編程框架，嵌入了sklearn，matplotlib,seaborn等常用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)包。

（1）下載anaconda

首先下載anaconda，這款框架比Python官網(wǎng)的編輯器更好用，下載網(wǎng)址為https://www.anaconda.com/download/

anaconda支持windows,linux,蘋(píng)果操作系統(tǒng)

支持32位和64位操作系統(tǒng)

?

（2）導(dǎo)入sklearn第三方包

anaconda下載安裝好后打開(kāi)，自帶sklearn第三方包

命令行輸入import sklearn，無(wú)報(bào)錯(cuò)就表示運(yùn)行正常

?

（3）pip install安裝其他第三方包

機(jī)器學(xué)習(xí)中，有時(shí)候需要導(dǎo)入其他包，而sklearn沒(méi)有，這時(shí)就需要用pip install安裝其他第三方包

?

（4）非官方擴(kuò)展包下載地址

有時(shí)候pip install安裝失敗，我們需要去歐文大學(xué)下載Python非官方擴(kuò)展包

Python有大量非官方擴(kuò)展包，應(yīng)用于各行各業(yè)，主要是數(shù)據(jù)科學(xué)，人工智能，爬蟲(chóng)等等，下載地址為

https://www.lfd.uci.edu/~gohlke/pythonlibs/

?

乳腺癌細(xì)胞分類(lèi)器建模

現(xiàn)在我們要用機(jī)器學(xué)習(xí)算法建立分類(lèi)器，區(qū)分細(xì)胞為良性細(xì)胞或癌細(xì)胞。分類(lèi)器就是解決二分類(lèi)或多分類(lèi)問(wèn)題。

建立分類(lèi)器算法很多，包括邏輯回歸，xgboost,svm，神經(jīng)網(wǎng)絡(luò)等等。

開(kāi)始編程：

在編寫(xiě)一行代碼之前，我想做的第一件事是在代碼的注釋中加入描述。這樣，我可以回顧我的代碼并確切地知道它的作用。

現(xiàn)在導(dǎo)入包/庫(kù)，以使其更容易編寫(xiě)程序。

?接下來(lái)，我將加載數(shù)據(jù)，并打印數(shù)據(jù)的前7行。

注意：每行數(shù)據(jù)代表可能患有或未患有癌癥的患者。

?

?

探索數(shù)據(jù)并計(jì)算數(shù)據(jù)集中的行數(shù)和列數(shù)。它們是569行數(shù)據(jù)，這意味著他們是該數(shù)據(jù)集中的569位患者，而33列則是每位患者的33個(gè)特征或數(shù)據(jù)點(diǎn)。

?繼續(xù)探索數(shù)據(jù)并獲得包含空值（NaN，NAN，na）的所有列的計(jì)數(shù)。請(qǐng)注意，除了名為“?Unnamed：32?”的列（其中包含569個(gè)空值）（數(shù)據(jù)集中的行數(shù)相同，這告訴我該列完全沒(méi)有用）之外，所有列均未包含任何空值。

?從原始數(shù)據(jù)集中刪除“未命名：32?”列，因?yàn)樗鼪](méi)有任何值。

?獲取新的行和列數(shù)計(jì)數(shù)。

?獲取具有惡性（M）癌細(xì)胞和良性（B）非癌細(xì)胞的患者數(shù)。

?通過(guò)創(chuàng)建計(jì)數(shù)圖可視化計(jì)數(shù)。

?查看數(shù)據(jù)類(lèi)型以查看哪些列需要轉(zhuǎn)換/編碼。從數(shù)據(jù)類(lèi)型中我可以看到，除“診斷”列外，所有列/功能都是數(shù)字，“診斷”列是在python中表示為對(duì)象的分類(lèi)數(shù)據(jù)。

對(duì)分類(lèi)數(shù)據(jù)進(jìn)行編碼。將“診斷”列中的值分別從M和B更改為1和0，然后打印結(jié)果。

創(chuàng)建一個(gè)對(duì)圖?！皩?duì)圖”也稱(chēng)為散點(diǎn)圖，其中同一數(shù)據(jù)行中的一個(gè)變量與另一變量的值匹配。

?打印現(xiàn)在只有32列的新數(shù)據(jù)集。僅打印前5行。

獲取列的相關(guān)性。

列相關(guān)樣本

通過(guò)創(chuàng)建熱圖可視化相關(guān)性。

?

?現(xiàn)在，我完成了探索和清理數(shù)據(jù)的工作。我將通過(guò)首先將數(shù)據(jù)集分為特征數(shù)據(jù)集（也稱(chēng)為獨(dú)立數(shù)據(jù)集（X））和目標(biāo)數(shù)據(jù)集（也稱(chēng)為從屬數(shù)據(jù)集（Y））來(lái)設(shè)置模型的數(shù)據(jù)。

?再次拆分?jǐn)?shù)據(jù)，但這一次分為75％的訓(xùn)練和25％的測(cè)試數(shù)據(jù)集。

?縮放數(shù)據(jù)以使所有要素達(dá)到相同的大小級(jí)別，這意味著要素/獨(dú)立數(shù)據(jù)將處于特定范圍內(nèi)，例如0-100或0-1。

?創(chuàng)建一個(gè)函數(shù)以容納許多不同的模型（例如，邏輯回歸，決策樹(shù)分類(lèi)器，隨機(jī)森林分類(lèi)器）進(jìn)行分類(lèi)。這些模型將檢測(cè)患者是否患有癌癥。在此功能內(nèi)，我還將在訓(xùn)練數(shù)據(jù)上打印每個(gè)模型的準(zhǔn)確性。

?

?創(chuàng)建包含所有模型的模型，并查看每個(gè)模型的訓(xùn)練數(shù)據(jù)上的準(zhǔn)確性得分，以對(duì)患者是否患有癌癥進(jìn)行分類(lèi)。

?

今天我要介紹目前開(kāi)源領(lǐng)域里最新的算法catboost。

catboost起源于俄羅斯搜索巨頭yandex,準(zhǔn)確率高，速度快，調(diào)參少，性?xún)r(jià)比高于xgboost

今天的CatBoost版本是第一個(gè)版本，以后將持續(xù)更新迭代。catboost三個(gè)特點(diǎn)：（1）“減少過(guò)度擬合”：這可以幫助你在訓(xùn)練計(jì)劃中取得更好的成果。它基于一種構(gòu)建模型的專(zhuān)有算法，這種算法與標(biāo)準(zhǔn)的梯度提升方案不同。（2）“類(lèi)別特征支持”：這將改善你的訓(xùn)練結(jié)果，同時(shí)允許你使用非數(shù)字因素，“而不必預(yù)先處理數(shù)據(jù)，或花費(fèi)時(shí)間和精力將其轉(zhuǎn)化為數(shù)字。”（3）支持Python或R的API接口來(lái)使用CatBoost，包括公式分析和訓(xùn)練可視化工具。（4）有很多機(jī)器學(xué)習(xí)庫(kù)的代碼質(zhì)量比較差，需要做大量的調(diào)優(yōu)工作，”他說(shuō)，“而CatBoost只需少量調(diào)試，就可以實(shí)現(xiàn)良好的性能。這是一個(gè)關(guān)鍵性的區(qū)別

catboost建立乳腺癌分類(lèi)器代碼

大家可以看到catboost預(yù)測(cè)準(zhǔn)確率非常高，訓(xùn)練集100%，測(cè)試集97.7%

混淆矩陣

在測(cè)試數(shù)據(jù)上顯示混淆矩陣和模型的準(zhǔn)確性。該混淆矩陣告訴我們，每個(gè)模型有多少病人誤診（許多癌癥患者是被誤診為不具有癌癥又名假陰性，而誰(shuí)沒(méi)有癌癥患者被誤診為患有癌癥又名這個(gè)數(shù)字假陽(yáng)性）和正確診斷的數(shù)量，真陽(yáng)性和真陰性。

誤報(bào)（FP）?=測(cè)試結(jié)果錯(cuò)誤地指示存在特定條件或?qū)傩浴?/p>
真實(shí)陽(yáng)性（TP）?=靈敏度（在某些領(lǐng)域中也稱(chēng)為真實(shí)陽(yáng)性率或檢測(cè)概率）衡量正確鑒定出的真實(shí)陽(yáng)性的比例。
真實(shí)陰性（TN）?=特異性（也稱(chēng)為真實(shí)陰性率）衡量正確鑒定出的實(shí)際陰性的比例。
假陰性（FN）?=測(cè)試結(jié)果，表明某個(gè)條件不成立，而實(shí)際上卻成立。例如，測(cè)試結(jié)果表明某人實(shí)際患有癌癥時(shí)沒(méi)有罹患癌癥

?

?

其他獲取模型指標(biāo)的方法，以查看每個(gè)模型的性能如何。

?

模型預(yù)測(cè)

測(cè)試數(shù)據(jù)中1–6個(gè)性能指標(biāo)的模型樣本

?

從以上的準(zhǔn)確性和指標(biāo)來(lái)看，在測(cè)試數(shù)據(jù)上表現(xiàn)最佳的模型是隨機(jī)森林分類(lèi)器，其準(zhǔn)確性得分約為96.5％。因此，我將選擇該模型來(lái)檢測(cè)患者的癌細(xì)胞。對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)/分類(lèi)，并顯示“隨機(jī)森林分類(lèi)器”模型分類(lèi)/預(yù)測(cè)以及顯示或不顯示他們患有癌癥的患者的實(shí)際值。

我注意到了該模型，該模型將一些患者誤診為沒(méi)有癌癥而誤診為癌癥，并且將確診為癌癥的患者誤診為未患癌癥。盡管此模型很好，但在處理他人的生活時(shí)，我希望該模型更好，并使其準(zhǔn)確性盡可能接近100％，或者至少好于醫(yī)生。因此，有必要對(duì)每個(gè)模型進(jìn)行一些調(diào)整。

?

?

Anaconda+KNN+網(wǎng)格調(diào)參+交叉驗(yàn)證

?

模型調(diào)參

python機(jī)器學(xué)習(xí)-乳腺癌細(xì)胞挖掘詳細(xì)講解模型調(diào)參技巧。調(diào)參是一門(mén)黑箱技術(shù)，需要經(jīng)驗(yàn)豐富的機(jī)器學(xué)習(xí)工程師才能做到。幸運(yùn)的是sklearn有調(diào)參的包，入門(mén)級(jí)學(xué)者也可嘗試調(diào)參。

如果參數(shù)不多，可以手動(dòng)寫(xiě)函數(shù)調(diào)參，如果參數(shù)太多可以用GridSearchCV調(diào)參，如果參數(shù)多的占用時(shí)間太長(zhǎng)，可以用randomSizeCV調(diào)參，節(jié)約調(diào)參時(shí)間

?

GridSearchCV

如果參數(shù)太多可以用GridSearchCV調(diào)參