SVM影像组学特征

近期做一个影像组学的分类模型

做的是一个胃癌T分期的模型,我刷选统计出一些胃癌区域的特征,如图:有癌症面积、体积等等

下面要做一个SVM(支持向量机)分类的模型,导入该文件,进行二分类,代码如下:

python 复制代码
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import classification_report, confusion_matrix

# 加载数据
data_path = '../data/data.xlsx'
data = pd.read_excel(data_path, sheet_name='class2T2_T34')

# 准备数据
X = data.drop(['Filename', 'label'], axis=1)  # 删除非特征列
y = data['label']  # 标签列

# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 特征缩放
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# 创建SVM分类器

# 线性核
# svm_classifier = SVC(kernel='linear', decision_function_shape='ovo')
# 多项式核(Polynomial Kernel)
svm_classifier = SVC(kernel='poly', degree=3, coef0=1, decision_function_shape='ovo')
# 径向基函数核(Radial Basis Function, RBF Kernel)
# svm_classifier = SVC(kernel='rbf', gamma='scale', decision_function_shape='ovo')
# Sigmoid核
# svm_classifier = SVC(kernel='sigmoid', coef0=1, decision_function_shape='ovo')


# 训练模型
svm_classifier.fit(X_train, y_train)

# 预测测试集结果
y_pred = svm_classifier.predict(X_test)

# 评估模型
print("Confusion Matrix:")
print(confusion_matrix(y_test, y_pred))
print("\nClassification Report:")
print(classification_report(y_test, y_pred))

运行结果如下:

可以看出能达到85%的准确度,说明模型能够很好的区分,需要注意,如果你的分类效果不理想,我的代码中给出了很多的核,试试不同的核运行的效果

相关推荐
GalaxyPokemon1 小时前
归并排序:分治思想的高效排序
数据结构·算法·排序算法
ThreeYear_s1 小时前
基于FPGA的PID算法学习———实现PI比例控制算法
学习·算法·fpga开发
Coding小公仔3 小时前
LeetCode 240 搜索二维矩阵 II
算法·leetcode·矩阵
C++chaofan3 小时前
74. 搜索二维矩阵
java·算法·leetcode·矩阵
Studying 开龙wu4 小时前
机器学习监督学习实战五:六种算法对声呐回波信号进行分类
学习·算法·机器学习
Mi Manchi265 小时前
力扣热题100之二叉树的层序遍历
python·算法·leetcode
wu~9705 小时前
leetcode:42. 接雨水(秒变简单题)
算法·leetcode·职场和发展
zhurui_xiaozhuzaizai6 小时前
模型训练-关于token【低概率token, 高熵token】
人工智能·算法·自然语言处理
ThreeYear_s6 小时前
基于FPGA的PID算法学习———实现PID比例控制算法
学习·算法·fpga开发