使用LogisticRegression和SGDClassifier对良/恶性肿瘤进行分类，并计算出准确率召回率和F1的值

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

"""

Created on Tue Oct 24 10:08:40 2017

@author: liuyajun

"""

import pandas as pd

import numpy as np

from sklearn.cross_validation import train_test_split

from sklearn.preprocessing import StandardScaler

from sklearn.linear_model import LogisticRegression

from sklearn.linear_model import SGDClassifier

from sklearn.metrics import classification_report 

column_names = ['Sample code number','Clump Thickness','Uniformity of Cell Size','Uniformity of Cell shape','Marginal Adhesion','Single Epithelial cell Size','Bare Nuclei','Bland Chromation','Normal Nucleoli','Mitoses','Class']#给读入的数据取列明

data = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data',names=column_names)#网站上提供对应的数据

data = data.replace(to_replace='?',value=np.nan)#用numpy中的nan来代替数据中的空值（之前使用？来表示空）

data = data.dropna(how='any')#删除所有带有空值的数据

#print(data.shape)#输出删除空值后数据的形状

#使用函数对数据进行切分，训练数据75%，测试数据25%

X_train,X_test,y_train,y_test = train_test_split(data[column_names[1:10]],data[column_names[10]],test_size=0.25,random_state=33)

#检测样本的数量和类型

y_train.value_counts()

y_test.value_counts()

#首先使用线性模型从事良、恶性肿瘤的预测任务

# 1 标准化数据，保证每个维度的特征数据方差为1，均值为0.使得预测结果不会被某些维度过大的特征值主导

ss = StandardScaler()

X_train=ss.fit_transform(X_train)

X_test=ss.transform(X_test)

# 2 初始化Logis提出Regression和SGDClassifier(随机参数梯度估计)

lr = LogisticRegression()

sgdc = SGDClassifier()

#使用LogisticRegression 中的fit方法训练参数

lr.fit(X_train,y_train)

#对测试数据进行预测

lr_y_predict=lr.predict(X_test)

sgdc.fit(X_train,y_train)

sgdc_y_predict=sgdc.predict(X_test)

#利用LogisticRegression模块自带的score获得模型在测试机上的准确性

print('Accuracy of LR Classifier:',lr.score(X_test,y_test))

#利用Classification_report模块获得LogisticRegression的准确率召回率和F1

print(classification_report(y_test,lr_y_predict,target_names=['Benign','Malignant']))#malignant恶性的benign良性的

print('Accuracy of SGD Classifier:',sgdc.score(X_test,y_test))

print(classifier_report(y_test,y_sgdc_test,target_names=['Bengin','Malignant']))