数据挖掘--Python入门经典学习1--乳腺癌分类问题

基于肿瘤特征判定是恶性肿瘤还是良性肿瘤，通过研究699个患者的肿瘤属性，找到肿瘤预测模式，根据肿瘤属性来判定肿瘤性质，对没有见过见过面的患者，根据属性来判定是否为恶性肿瘤。

用到的数据：链接：http://pan.baidu.com/s/1c26Dbjy 密码：gllb

[html] view plain copy

1. ###########################################
2. #        分类器：肿瘤良性还是恶性
3. ###########################################
4. ###########################################
5. #      读入数据集，并得到元祖列表
6. ###########################################
7. def ReadSet(FileName):
8. TrainSet = []
9. TrainFile = open(FileName)
10. for line in TrainFile:
11. line = line.strip()             #去掉‘\n‘
12. if ‘?‘ in line:                 #注意：引号中间不要有空格，去掉含有问号的坏数据
13. continue
14. id,a1,a2,a3,a4,a5,a6,a7,a8,a9,diag = line.split(‘,‘)#以逗号分开
15. if diag == ‘4‘:
16. diagMorB = ‘m‘
17. else:
18. diagMorB = ‘b‘
19. PatientTuple = (id,diagMorB,int(a1),int(a2),int(a3),int(a4),int(a5),\
20. int(a6),int(a7),int(a8),int(a9))
21. TrainSet.append(PatientTuple)
22. return TrainSet
23. ###########################################
24. #           训练分类器
25. ###########################################
26. def sumLists(list1,list2):
27. listofsums =[0.0] * 9
28. for index in range(9):
29. listofsums[index] = list1[index] + list2[index]
30. return listofsums
31. def makeAverages(listofsums,total):
32. averageList =[0.0] * 9
33. for index in range(9):
34. averageList[index] = listofsums[index]  / float(total)
35. return averageList
36. def Classifier(TrainSet):
37. benignSums = [0] * 9
38. benignCount = 0
39. malignantSums = [0] * 9
40. malignantCount = 0
41. for patientTup in TrainSet:
42. if patientTup[1] == ‘b‘:
43. benignSums = sumLists(benignSums,patientTup[2:])
44. benignCount += 1
45. else:
46. malignantSums = sumLists(malignantSums,patientTup[2:])
47. malignantCount += 1
48. benignAvgs = makeAverages(benignSums,benignCount)
49. malignantAvgs = makeAverages(malignantSums,malignantCount)
50. classifier = makeAverages(sumLists(benignAvgs,malignantAvgs),2)
51. return classifier
52. ###########################################
53. #           测试分类器
54. ###########################################
55. def Test(TestSet,classifier):
56. results = []
57. for patient in TestSet:
58. benignCount = 0
59. malignantCount = 0
60. for index in range(9):
61. if patient[index + 2] > classifier[index]:#注意索引值加2才是属性值
62. malignantCount += 1
63. else:
64. benignCount += 1
65. resultTuple = (patient[0],benignCount,malignantCount,patient[1])
66. results.append(resultTuple)
67. return results
68. ###########################################
69. #           格式化输出测试结果
70. ###########################################
71. def ShowResult(Result):
72. totalCount = 0
73. wrongcount = 0
74. for r in Result:
75. totalCount += 1
76. if r[1] > r[2]:
77. if r[3] == ‘m‘:
78. wrongcount += 1
79. elif r[3] == ‘b‘:
80. wrongcount += 1
81. print("%d patients,there were %d wrong" %(totalCount,wrongcount))
82. ###########################################
83. #           主函数
84. ###########################################
85. def main():
86. print("Reading in train data ...")
87. TrainFileName = "C:\\Python36\\code\\RuXian\\fullTrainData.txt"
88. TrainSet = ReadSet(TrainFileName)
89. #print(TrainSet)
90. print("Read TrainSet Done!")
91. print("Begin Training...")
92. classifier = Classifier(TrainSet)
93. print("Train Classifier Done!")
94. print("Reading in test data ...")
95. TestFileName = "C:\\Python36\\code\\RuXian\\fullTestData.txt"
96. TestSet = ReadSet(TestFileName)
97. print("Read TestSet Done!")
98. print("Begin Testing...")
99. Result = Test(TestSet,classifier)
100. #print(Result)
101. print("Test  Done!")
102. ShowResult(Result)
103. print ("program finished.\n")

参考：《Pthon入门经典学习书》