乳腺癌预测使用机器学习

现在机器学习中使用不同的领域。从推荐的电影到检测任何疾病,机器学习是最讲的事情在当今世界的技术。乳腺癌是女性最常见的疾病之一。早期诊断的情况下可以降低风险和增加生存的机会。诊断正确的时间可以防止病人接受不必要的治疗和操作。

寻求建立项目机器学习吗?

机器学习工具将被运送到你,你可以使用教程学习和构建。今天你可以免费!

1。机器学习(职业建筑)

2。使用机器学习的欺诈检测

3所示。机器学习使用Python

4所示。电影推荐使用毫升

5。手写数字识别使用毫升

6。机器学习培训和实习

7所示。脑部肿瘤检测使用深度学习

目标

这个项目的目标是对癌症恶性或良性进行分类。同时,哪些特性帮助预测乳腺癌。

风险因素

一些风险因素直接或间接地与乳腺癌有关。我们已经列出了一些:

1. 年龄可以是一个风险因素或乳腺癌。50年岁的妇女更可能有乳腺癌。
2. 如果女人过去乳腺癌在未来更容易患癌症。
3. 年长的妇女生下她的第一个孩子有更高的患乳腺癌的机会。
4. 可以有三个类别,
5. 在早期女性月经来潮
6. 妇女经历更年期
7. 没有孩子的女人

概念:

1. Python编程语言
2. 机器学习的基本知识

硬件和软件的规格:

1. 您所选择的操作系统(Windows / Linux / Mac)
2. 台式机或笔记本电脑
3. 你喜欢的文本编辑器
4. Python 3或向上安装在您的系统

实现:

1. 安装NumPy和重命名它为np

pip安装NumPy np

2. 安装熊猫和重命名它为pd

pip安装熊猫pd

3. 安装matplotlib。pyplot和重命名matplotlib.plt

pip安装matplotlib。pyplot作为plt

4. 下载乳腺癌数据集
5. 读到CSV文件,并把它在一个变量中

例子——数据= read.csv(“. . /输入/ data.csv”)

6. 下降的列不知名的或不需要的预测没有与之关联的值
7. 表示恶性B M和良性
8. M和B转换为一个整数值
9. 如果范围之间的值大于1 - 5表示这是恶性和值大于6,表示这是良性的。
10. 如果确诊为恶性肿瘤表示1 0
11. 画出图使用lmplot和观察恶性肿瘤的分布(1)和良性肿瘤(0)
12. 两个变量。一个是输入和输出。让x是输入和输出。
13. 把数据分割成测试数据与训练数据

使用代码

从sklearn。model_selection进口train_test_split

X_train、X_test y_train y_test = train_test_split (X, y, test_size = 0.33, random_state = 42)

14. 检查测试数据预测分数使用资讯

Knn.score (X_test y_test)

15. 进行交叉验证
16. 创建一个混合矩阵来检查预测的正确性。

从sklearn。指标导入confusion_

结论:

通过使用资讯我们预测95.1%这是一个不错的结果,虽然我们可以增加我们的预测的准确性。有几种算法来预测乳腺癌但我们资讯算法用于预测。

你知不知道

2022世界杯亚洲区赛程表时间Skyfi实验室帮助学生学习实用的技能通过建立实际项目。

你可以与朋友和接收包上门报名

你可以向专家学习,建立工作项目,向世界展示技能和抓住最好的工作。
今天开始!

• 不需要工具

• 机器学习
• Python

乳腺癌预测使用机器学习