說明：這是一個機器學習實戰(zhàn)項目（附帶數(shù)據(jù)+代碼+文檔+代碼講解）啄枕，如需數(shù)據(jù)+代碼+文檔+代碼講解可以直接到文章最后獲取。
1.項目背景
在當今醫(yī)療健康領域为狸，乳腺癌作為威脅女性健康的主要惡性腫瘤之一辐怕，其早期診斷與精準治療對于提高患者生存率至關重要社搅。隨著醫(yī)學信息學與人工智能技術的飛速發(fā)展青扔，利用大數(shù)據(jù)分析逻炊、機器學習以及深度學習等先進手段構建乳腺癌分類預測模型佑淀，已成為研究熱點和臨床實踐的重要方向卷要。
近年來僧叉，全球乳腺癌發(fā)病率持續(xù)上升瓶堕，成為全球范圍內(nèi)女性癌癥發(fā)病率最高的疾病之一谭梗。盡管乳腺癌在早期發(fā)現(xiàn)時治療效果較為理想凄吏，但傳統(tǒng)的診斷方法如鉬靶攝影、超聲檢查及組織活檢等存在一定的局限性图柏，如誤診率蚤吹、漏診率問題以及對患者造成的身體與心理負擔随抠。因此拱她，開發(fā)高效、準確且便捷的乳腺癌分類預測模型诸蚕，不僅能夠提高診斷效率背犯，還能促進個性化醫(yī)療方案的制定漠魏，為患者帶來更為及時有效的干預措施妄均。
研究意義：
提升早期診斷率：通過分析乳腺影像學、生物標志物壤巷、遺傳學及臨床數(shù)據(jù)瞧毙，構建的預測模型能夠有效識別乳腺癌早期跡象宙彪，為患者爭取寶貴的治療時間释漆。
個性化醫(yī)療策略：結合患者的個體差異，預測模型能輔助醫(yī)生定制化治療方案檀训，實現(xiàn)精準醫(yī)療峻凫。
資源優(yōu)化配置：高效預測模型可減少不必要的檢查和治療览露，優(yōu)化醫(yī)療資源分配差牛，減輕公共衛(wèi)生系統(tǒng)的負擔偏化。
促進科研進展：模型的開發(fā)與驗證過程能夠深化對乳腺癌生物學機制的理解，推動相關基礎研究與技術創(chuàng)新驶冒。
基于以上背景骗污，本研究擬采用先進的機器學習算法沈条，結合豐富的乳腺癌臨床數(shù)據(jù)集，構建一個高度準確且具有臨床實用價值的乳腺癌分類預測模型涕烧。最終目標是為乳腺癌的早期篩查與精準管理提供科學依據(jù)议纯，進而改善患者預后仲翎，提升公眾健康水平溯香。?
本項目通過邏輯回歸分類模型玫坛、決策樹分類模型包晰、隨機森林分類模型和XGBoost分類模型實現(xiàn)乳腺癌分類預測伐憾。?????
2.數(shù)據(jù)獲取
本次建模數(shù)據(jù)來源于網(wǎng)絡(本項目撰寫人整理而成)树肃，數(shù)據(jù)項統(tǒng)計如下：
數(shù)據(jù)詳情如下(部分展示)：
3.數(shù)據(jù)預處理
3.1?用Pandas工具查看數(shù)據(jù)
使用Pandas工具的head()方法查看前五行數(shù)據(jù)：?
關鍵代碼：
3.2數(shù)據(jù)缺失查看
使用Pandas工具的info()方法查看數(shù)據(jù)信息：
從上圖可以看到，總共有31個變量乡话，數(shù)據(jù)中無缺失值耳奕，共569條數(shù)據(jù)屋群。
關鍵代碼：?
3.3數(shù)據(jù)描述性統(tǒng)計
通過Pandas工具的describe()方法來查看數(shù)據(jù)的平均值谓晌、標準差纸肉、最小值喊熟、分位數(shù)芥牌、最大值壁拉。
關鍵代碼如下：?
4.探索性數(shù)據(jù)分析
4.1 label變量柱狀圖
用Matplotlib工具的plot()方法繪制柱狀圖：
4.2?label=1樣本mean radius變量分布直方圖
用Matplotlib工具的hist()方法繪制直方圖：
4.3?相關性分析
從上圖中可以看到，數(shù)值越大相關性越強痘昌，正值是正相關辆苔、負值是負相關驻啤。
5.特征工程
5.1?建立特征數(shù)據(jù)和標簽數(shù)據(jù)
關鍵代碼如下：
5.2?數(shù)據(jù)均衡化
通過上圖可以看到骑冗，數(shù)據(jù)均衡化后沐旨，標簽兩種樣本的數(shù)量一致榨婆。
5.3?數(shù)據(jù)集拆分
通過train_test_split()方法按照80%訓練集良风、20%測試集進行劃分烟央，關鍵代碼如下：
6.構建分類模型?
主要使用邏輯回歸分類算法疑俭、決策樹分類算法、隨機森林分類算法和XGBoost分類算法啄寡，用于目標分類挺物。??
6.1?構建模型?
7.模型評估
7.1評估指標及結果?
評估指標主要包括準確率识藤、查準率痴昧、查全率、F1分值等等秧骑。
從上表可以看出，4個模型的F1分值都在0.9以上侵歇，說明這模型效果較好惕虑，其中邏輯回歸模型F1最高為0.9718磨镶。 ????
7.2?分類報告
邏輯回歸分類模型：
從上圖可以看出琳猫，分類為0的F1分值為0.97脐嫂；分類為1的F1分值為0.97账千。
決策樹分類模型：
從上圖可以看出，分類為0的F1分值為0.95鞭衩；分類為1的F1分值為0.94论衍。
隨機森林分類模型：
?從上圖可以看出饲齐，分類為0的F1分值為0.97捂人；分類為1的F1分值為0.96滥搭。
XGBoost分類模型：
從上圖可以看出瑟匆，分類為0的F1分值為0.97；分類為1的F1分值為0.96疾嗅。
7.3?混淆矩陣
邏輯回歸分類模型：
從上圖可以看出代承，實際為0預測不為0的 有4個樣本渐扮；實際為1預測不為1的 有0個樣本。?
決策樹分類模型：
從上圖可以看出膀估，實際為0預測不為0的 有5個樣本察纯；實際為1預測不為1的 有3個樣本捐寥。?
隨機森林分類模型：
從上圖可以看出握恳，實際為0預測不為0的 有2個樣本捺僻；實際為1預測不為1的 有3個樣本。
XGBoost分類模型：
從上圖可以看出拔稳，實際為0預測不為0的 有2個樣本巴比；實際為1預測不為1的 有3個樣本轻绞。
7.4?ROC曲線
邏輯回歸分類模型：
從上圖可以看出政勃，邏輯回歸分類模型的AUC值為1.0兼砖。
決策樹分類模型：
從上圖可以看出讽挟，決策樹分類模型的AUC值為0.94戏挡。
隨機森林分類模型：
從上圖可以看出褐墅，隨機森林分類模型的AUC值為0.99妥凳。
XGBoost分類模型：
從上圖可以看出逝钥，XGBoost分類模型的AUC值為1.0艘款。
8.結論與展望
綜上所述哗咆，本文采用了邏輯回歸益眉、決策樹、隨機森林和XGBoost算法來構建分類模型澈歉，最終證明了4種模型效果良好埃难，其中邏輯回歸模型效果最優(yōu)涤久。此模型可用于日常產(chǎn)品的預測拴竹。??
說明：進入作者個人主頁栓拜，可以查看更多文章內(nèi)容，點擊作者頭像挑势，可進入作者個人主頁：
項目代碼：
# label變量柱狀圖??
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默認字體
plt.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題
# kind='bar' 繪制柱狀圖
df['label'].value_counts().plot(kind='bar') # 繪圖
plt.xlabel("label變量") # 設置x軸名稱
# 繪制直方圖 bins：控制直方圖中的區(qū)間個數(shù) auto為自動填充個數(shù) color：指定柱子的填充色
plt.hist(data_tmp, bins='auto', color='g') # 繪圖
# 項目資源如下：
#? ? https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tab=BB08J2
# 數(shù)據(jù)均衡化
?from imblearn.over_sampling import RandomOverSampler, SMOTE # 導入過采樣工具
model_SMOTE = SMOTE(random_state=0) # 建立過采樣模型
x_SMOTE_resampled, y_SMOTE_resampled = model_SMOTE.fit_resample(X, y) # 過采樣后樣本結果
x_SMOTE_resampled = pd.DataFrame(x_SMOTE_resampled, columns=X.columns.values) # 構建DataFrame框架
y_SMOTE_resampled = pd.DataFrame(y_SMOTE_resampled, columns=['label']) # 構建DataFrame框架
