#-*- coding: utf-8 -*-

# 匯入pandas 與 numpy工具包
import pandas as pd
import numpy as np





# 建立特徵列表
column_names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape',
                'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin'
 
, 'Normal Nucleoli', 'Mitoses', 'Class']

# 使用pandas.read.csv函式從網際網路讀取指定資料
data = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data', names = column_names)

# 將?替換為標準缺失值表示
data = data.replace(to_replace='?', value=np.nan)
# 丟棄帶有缺失值的資料(只有一個維度有缺失)
 

data = data.dropna(how='any')

# 輸出data的資料量和維度
print(data.shape)

# 使用sklearn.cross_valitation裡的train_test_split模組用於分割資料
# 已經廢棄from sklearn.cross_validation import train_test_split
from sklearn.model_selection import train_test_split

# 隨機取樣25%的資料用於測試，剩下的75%用於構建訓練集合
X_train, X_test, y_train, y_test = train_test_split(data[column_names[1
 
:10]], data[column_names[10]],
                                                    test_size=0.25, random_state=33)
# 查驗訓練樣本的數量和類別分佈
print(y_train.value_counts())

# 查驗測試樣本的數量和類別分佈
print(y_test.value_counts())

# 從sklearn.prepprocessing裡匯入StandardScaler
from sklearn.preprocessing import StandardScaler
# 從sklearn.linear_model裡匯入LogisticRegression與SGDClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.linear_model import SGDClassifier

# 標準化資料，保證每個維度的特徵數方差為1，均值為0，使得預測結果不會被某些維度過大的特徵值而主導
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

# 初始化LogisticRegression與SGDClasssfier
lr = LogisticRegression()
sgdc = SGDClassifier()

# 呼叫LogisticRegression中的fit函式/模組用來訓練模型引數
lr.fit(X_train, y_train)
# 使用訓練好的模型lr對X_test進行預測，結果儲存在變數lr_y_predict
lr_y_predict = lr.predict(X_test)

# 呼叫SGDClassifier中的fit函式/模組用來訓練模型引數
sgdc.fit(X_train, y_train)
# 使用訓練好的模型sgdc對X_test進行預測，結果儲存在變數sgdc_y_predict中
sgdc_y_predict = sgdc.predict(X_test)

# 從sklearn.metrics裡匯入classifivation_report模組
from sklearn.metrics import classification_report

# 使用邏輯斯蒂迴歸模型自帶的評分函式score獲得模型在測試集上的準確性結果
print'Accuracy of LR Classifier:', lr.score(X_test, y_test)

# 利用classification_report模組獲得LogisticRegression其他三個指標的結果。
print classification_report(y_test, lr_y_predict, target_names=['Benign', 'Malignant'])

 # 使用隨機梯度下降模型自帶的評分函式score獲得模型在測試集上的準確性結果。
print 'Accuarcy of SGD Classifier:', sgdc.score(X_test, y_test)
# 利用classification_report模組獲得SGDClassifier其他三個指標的結果。
print classification_report(y_test, sgdc_y_predict, target_names=['Benign', 'Malignant'])

輸出結果：