支持向量機（Support Vector Machine, SVM）是一類按監督學習（supervised learning）方式對數據進行二元分類（binary classification）的廣義線性分類器（generalized linear classifier），其決策邊界是對學習樣本求解的最大邊距超平面（maximum-margin hyperplane）

SVM，通俗來講，它是一種二類分類模型，其基本模型定義為特征空間上的間隔最大的線性分類器，其學習策略便是間隔最大化，最終可轉化為一個凸二次規劃問題的求解。

下面開始用python進行算法預測

下面是分析流程圖：

本次項目的目的是使用SVM算法對美國威斯康星州的乳腺癌診斷進行預測

獲得數據

數據集來自美國威斯康星州的乳腺癌診斷數據集

下載網址：

https://github.com/xiujiayou/svm?github.com

理解數據

字段信息：

mean代表平均值，se代表標準差，worst代表最大值（三個最大值的平均值）

30個特征值中（不包括ID字段和分類標識結果字段diagnosis），實際上只有10個特征值(

radius,texture,perimeter,area,smoothness,compactness,concavity,concave points,symmetry,fractal_dimension_mean)的三個維度（均值，標準差和最大值）

569個患者中有357個良性，212個是惡性

---

清洗數據

先導入數據集和各種需要用到的包

然后查看數據的基本信息

然后我們發現特征太多沒辦法全部顯示，所以我們用下面的方法把列名都顯示出來

信息太多，圖中只截取一部分

然后我們將字段分成三段（mean/se/worst）

---

數據清洗

數據集沒有缺失值

id列沒有用，故刪除

將結果列的良性替換成0，惡性替換成1

---

特征選擇

接下來進行特征字段的篩選，首先需要觀察下features_mean各個變量之間的關系?？梢杂胏orr（）的函數

圖中顏色越淺表示相關性越大。所以我們能發現：radius_mean、perimeter_mean，area_mean這三個相關性大，而compactness_mean、concavity_mean，concave_points_mean這三個特征相關性大。
下面來進行特征選擇 特征選擇的目的是降維，用少量的特征代表數據的特性，這樣也可以增強分類器的泛化能力，避免數據過擬合。 mean/se/worst這三組特征是對同一組內容的不同度量。我們可以只保留mean這組特征。 另外，在mean這組特征中，radius_mean,perimeter_mean,area_mean這三個屬性相關性大， 而compactness_mean、concavity_mean，concave_points_mean這三個特征相關性大。 我們可以分別從這2類中選擇一個屬性作為代表，比如radius_mean和compactness_mean
那么我們就可以把原來的10個屬性縮減為6個屬性

---

模型訓練和評估

準備訓練集和測試集

30%為測試集，70%為訓練集

訓練之前，需要對數據進行規范化，讓數據在同一個量級上，避免因為維度問題造成數據誤差。

數據規范化

模型準確率為0.91左右，效果還可以。

數據集和具體代碼已上傳到github上，有興趣的小伙伴可以下載自己操作一遍。

總結

以上是生活随笔為你收集整理的svm预测结果为同一个值_实战：用SVM算法进行乳腺癌预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。