python機(jī)器學(xué)習(xí)-乳腺癌細(xì)胞挖掘:http://dwz.date/bwey

乳腺癌細(xì)胞和正常細(xì)胞是有顯著區(qū)別的

癌細(xì)胞半徑更大，形狀更加不規(guī)則，凹凸不平。我們可以用科學(xué)手段來區(qū)分正常細(xì)胞和癌細(xì)胞嗎？答案是可以的，通過機(jī)器學(xué)習(xí)算法，建立分類器，解決二分類問題。

乳腺癌細(xì)胞分類器建模

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

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

今天我要介紹目前開源領(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，性價比高于xgboost

今天的CatBoost版本是第一個版本，以后將持續(xù)更新迭代。

catboost三個特點：

（1）“減少過度擬合”：這可以幫助你在訓(xùn)練計劃中取得更好的成果。它基于一種構(gòu)建模型的專有算法，這種算法與標(biāo)準(zhǔn)的梯度提升方案不同。

（2）“類別特征支持”：這將改善你的訓(xùn)練結(jié)果，同時允許你使用非數(shù)字因素，“而不必預(yù)先處理數(shù)據(jù)，或花費時間和精力將其轉(zhuǎn)化為數(shù)字?！?/p>

（3）支持Python或R的API接口來使用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)庫的代碼質(zhì)量比較差，需要做大量的調(diào)優(yōu)工作，”他說，“而CatBoost只需少量調(diào)試，就可以實現(xiàn)良好的性能。這是一個關(guān)鍵性的區(qū)別

catboost建立乳腺癌分類器代碼

# -*- coding: utf-8 -*-

"""

Created on Thu Oct? 4 21:07:32 2018

?微信公眾號：pythonEducation

@author: 231469242@qq.com

"""

?

from?sklearn.model_selection?import?train_test_split

import?catboost as cb

from?sklearn.datasets?import?load_breast_cancer

cancer=load_breast_cancer()

X, y?=?cancer.data,cancer.target

train_x, test_x, y_train, y_test=train_test_split(X,y,test_size=0.3,random_state=0)

cb?=?cb.CatBoostClassifier()

cb.fit(train_x, y_train)

print("accuracy on the training subset:{:.3f}".format(cb.score(train_x,y_train)))

print("accuracy on the test subset:{:.3f}".format(cb.score(test_x,y_test)))

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

python機(jī)器學(xué)習(xí)生物信息學(xué)系列課（博主錄制）：http://dwz.date/b9vw