python机器学习-乳腺癌细胞挖掘（三）

python机器学习-乳腺癌细胞挖掘:http://dwz.date/bwey

乳腺癌细胞和正常细胞是有显著区别的

癌细胞半径更大，形状更加不规则，凹凸不平。我们可以用科学手段来区分正常细胞和癌细胞吗？答案是可以的，通过机器学习算法，建立分类器，解决二分类问题。

乳腺癌细胞分类器建模

现在我们要用机器学习算法建立分类器，区分细胞为良性细胞或癌细胞。分类器就是解决二分类或多分类问题。

建立分类器算法很多，包括逻辑回归，xgboost,svm，神经网络等等。

今天我要介绍目前开源领域里最新的算法catboost。

catboost起源于俄罗斯搜索巨头yandex,准确率高，速度快，调参少，性价比高于xgboost

今天的CatBoost版本是第一个版本，以后将持续更新迭代。

catboost三个特点：

（1）“减少过度拟合”：这可以帮助你在训练计划中取得更好的成果。它基于一种构建模型的专有算法，这种算法与标准的梯度提升方案不同。

（2）“类别特征支持”：这将改善你的训练结果，同时允许你使用非数字因素，“而不必预先处理数据，或花费时间和精力将其转化为数字。”

（3）支持Python或R的API接口来使用CatBoost，包括公式分析和训练可视化工具。

（4）有很多机器学习库的代码质量比较差，需要做大量的调优工作，”他说，“而CatBoost只需少量调试，就可以实现良好的性能。这是一个关键性的区别

catboost建立乳腺癌分类器代码

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

"""

Created on Thu Oct  4 21:07:32 2018

 微信公众号：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预测准确率非常高，训练集100%，测试集97.7%

python机器学习生物信息学系列课（博主录制）：http://dwz.date/b9vw