说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解 ），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1 . 项目背景
在当今医疗健康领域，乳腺癌作为威胁女性健康的主要恶性肿瘤之一，其早期诊断与精准治疗对于提高患者生存率至关重要。随着医学信息学与人工智能技术的飞速发展，利用大数据分析、机器学习以及深度学习等先进手段构建乳腺癌分类预测模型，已成为研究热点和临床实践的重要方向。
近年来，全球乳腺癌发病率持续上升，成为全球范围内女性癌症发病率最高的疾病之一。尽管乳腺癌在早期发现时治疗效果较为理想，但传统的诊断方法如钼靶摄影、超声检查及组织活检等存在一定的局限性，如误诊率、漏诊率问题以及对患者造成的身体与心理负担。因此，开发高效、准确且便捷的乳腺癌分类预测模型，不仅能够提高诊断效率，还能促进个性化医疗方案的制定，为患者带来更为及时有效的干预措施。
研究意义：
提升早期诊断率：通过分析乳腺影像学、生物标志物、遗传学及临床数据，构建的预测模型能够有效识别乳腺癌早期迹象，为患者争取宝贵的治疗时间。
个性化医疗策略：结合患者的个体差异，预测模型能辅助医生定制化治疗方案，实现精准医疗。
资源优化配置：高效预测模型可减少不必要的检查和治疗，优化医疗资源分配，减轻公共卫生系统的负担。
促进科研进展：模型的开发与验证过程能够深化对乳腺癌生物学机制的理解，推动相关基础研究与技术创新。
基于以上背景，本研究拟采用先进的机器学习算法，结合丰富的乳腺癌临床数据集，构建一个高度准确且具有临床实用价值的乳腺癌分类预测模型。最终目标是为乳腺癌的早期筛查与精准管理提供科学依据，进而改善患者预后，提升公众健康水平。
本项目通过逻辑回归分类模型、决策树分类模型、随机森林分类模型和XGBoost分类模型实现乳腺癌分类预测。
2 . 数据获取
本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：
|------------|-------------------------|-----------------------|
| 编号 | 变量名称 | 描述 |
| 1 | mean radius | 平均半径：肿瘤区域的平均边界距离中心的距离 |
| 2 | mean texture | 平均纹理：肿瘤区域灰度变化的程度 |
| 3 | mean perimeter | 平均周长：肿瘤区域的边界长度 |
| 4 | mean area | 平均面积：肿瘤区域所占的总面积 |
| 5 | mean smoothness | 平均平滑度：轮廓的光滑程度 |
| 6 | mean compactness | 平均紧密度：形状接近球形的程度 |
| 7 | mean concavity | 平均凹度：轮廓凹进去的程度 |
| 8 | mean concave points | 平均凹点数：轮廓凹陷部分的尖点数量 |
| 9 | mean symmetry | 平均对称性：肿瘤区域相对于中心的对称程度 |
| 10 | mean fractal dimension | 平均分形维数：描述肿瘤边缘复杂性的度量 |
| 11 | radius error | 半径误差：半径测量的不确定性 |
| 12 | texture error | 纹理误差：纹理测量的不确定性 |
| 13 | perimeter error | 周长误差：周长测量的不确定性 |
| 14 | area error | 面积误差：面积测量的不确定性 |
| 15 | smoothness error | 平滑度误差：平滑度测量的不确定性 |
| 16 | compactness error | 紧密度误差：紧密度测量的不确定性 |
| 17 | concavity error | 凹度误差：凹度测量的不确定性 |
| 18 | concave points error | 凹点数误差：凹点数测量的不确定性 |
| 19 | symmetry error | 对称性误差：对称性测量的不确定性 |
| 20 | fractal dimension error | 分形维数误差：分形维数测量的不确定性 |
| 21 | worst radius | 最差半径：最不理想的半径测量值 |
| 22 | worst texture | 最差纹理：最不理想的纹理测量值 |
| 23 | worst perimeter | 最差周长：最不理想的周长测量值 |
| 24 | worst area | 最差面积：最不理想的面积测量值 |
| 25 | worst smoothness | 最差平滑度：最不理想的平滑度测量值 |
| 26 | worst compactness | 最差紧密度：最不理想的紧密度测量值 |
| 27 | worst concavity | 最差凹度：最不理想的凹度测量值 |
| 28 | worst concave points | 最差凹点数：最不理想的凹点数测量值 |
| 29 | worst symmetry | 最差对称性：最不理想的对称性测量值 |
| 30 | worst fractal dimension | 最差分形维数：最不理想的分形维数测量值 |
| 31 | label | 1良性，0恶性 |
数据详情如下(部分展示)：
3. 数据预处理
3.1 用P andas 工具查看数据
使用Pandas工具的head()方法查看前五行数据：
关键代码：
3.2 数据缺失查看
使用Pandas工具的info()方法查看数据信息：
从上图可以看到，总共有31个变量，数据中无缺失值，共569条数据。
关键代码：
3. 3数据描述性统计
通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。
关键代码如下：
4. 探索性数据分析
4 . 1 label变量柱状图
用Matplotlib工具的plot()方法绘制柱状图：
4 .2 label =1样本 mean radius 变量分布直方图
用Matplotlib工具的hist()方法绘制直方图：
4 .3 相关性分析
从上图中可以看到，数值越大相关性越强，正值是正相关、负值是负相关。
5. 特征工程
5.1 建立特征数据和标签数据
关键代码如下：
5.2 数据 均衡化
通过上图可以看到，数据均衡化后，标签两种样本的数量一致。
5. 3 数据集拆分
通过train_test_split()方法按照80%训练集、20%测试集进行划分，关键代码如下：
6. 构建分类模型
主要使用逻辑回归分类算法、决策树分类算法、随机森林分类算法和XGBoost分类算法，用于目标分类。
6. 1 构建模型
|------------|--------------|------------------|
| 编号 | 模型名称 | 参数 |
| 1 | 逻辑回归分类模型 | 默认参数值 |
| 2 | 决策树分类模型 | 默认参数值 |
| 3 | 决策树分类模型 | random_state=123 |
| 4 | 随机森林分类模型 | 默认参数值 |
| 5 | 随机森林分类模型 | random_state=42 |
| 6 | XGBoost分类模型 | 默认参数值 |
| 7 | XGBoost分类模型 | random_state=42 |
7 . 模型评估
7 .1 评估指标及结果
评估指标主要包括准确率、查准率、查全率、F1分值等等。
|--------------|--------------|-------------|
| 模型名称 | 指标名称 | 指标值 |
| 测试集 |||
| 逻辑回归分类模型 | 准确率 | 0.9720 |
| 逻辑回归分类模型 | 查准率 | 0.9452 |
| 逻辑回归分类模型 | 查全率 | 1.0 |
| 逻辑回归分类模型 | F1分值 | 0.9718 |
| 决策树分类模型 | 准确率 | 0.9441 |
| 决策树分类模型 | 查准率 | 0.9296 |
| 决策树分类模型 | 查全率 | 0.9565 |
| 决策树分类模型 | F1分值 | 0.9429 |
| 随机森林分类模型 | 准确率 | 0.9650 |
| 随机森林分类模型 | 查准率 | 0.9706 |
| 随机森林分类模型 | 查全率 | 0.9565 |
| 随机森林分类模型 | F1分值 | 0.9635 |
| XGBoost分类模型 | 准确率 | 0.9650 |
| XGBoost分类模型 | 查准率 | 0.9706 |
| XGBoost分类模型 | 查全率 | 0.9565 |
| XGBoost分类模型 | F1分值 | 0.9635 |
从上表可以看出，4个模型的F1分值都在0.9以上，说明这模型效果较好，其中逻辑回归模型F1最高为0.9718。
7. 2 分类报告
逻辑回归分类模型：
从上图可以看出，分类为0的F1分值为0.97；分类为1的F1分值为0.97。
决策树分类模型：
从上图可以看出，分类为0的F1分值为0.95；分类为1的F1分值为0.94。
随机森林分类模型：
从上图可以看出，分类为0的F1分值为0.97；分类为1的F1分值为0.96。
XGBoost分类模型：
从上图可以看出，分类为0的F1分值为0.97；分类为1的F1分值为0.96。
7. 3 混淆矩阵
逻辑回归分类模型：
从上图可以看出，实际为0预测不为0的 有4个样本；实际为1预测不为1的 有0个样本。
决策树分类模型：
从上图可以看出，实际为0预测不为0的 有5个样本；实际为1预测不为1的 有3个样本。
随机森林分类模型：
从上图可以看出，实际为0预测不为0的 有2个样本；实际为1预测不为1的 有3个样本。
XGBoost分类模型：
从上图可以看出，实际为0预测不为0的 有2个样本；实际为1预测不为1的 有3个样本。
7. 4 ROC曲线
逻辑回归分类模型：
从上图可以看出，逻辑回归分类模型的AUC值为1.0。
决策树分类模型：
从上图可以看出，决策树分类模型的AUC值为0.94。
随机森林分类模型：
从上图可以看出，随机森林分类模型的AUC值为0.99。
XGBoost分类模型：
从上图可以看出，XGBoost分类模型的AUC值为1.0。
8. 结论与展望
综上所述，本文采用了逻辑回归、决策树、随机森林和XGBoost算法来构建分类模型，最终证明了4种模型效果良好，其中逻辑回归模型效果最优。此模型可用于日常产品的预测。
python
# 本次机器学习项目实战所需的资料，项目资源如下：
# 项目说明：
# 获取方式一：
# 项目实战合集导航：
https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tab=BB08J2
# 获取方式二：
链接：https://pan.baidu.com/s/1vzkHRkRNmilTAg0TrlxgBw
提取码：z9v4