基于逻辑回归算法的乳腺癌诊断数据分类研究

摘要

乳腺癌是世界范围内妇女死亡的主要原因之一,准确的诊断是乳腺癌治疗中最重要的步骤之一.本文详细讲解了逻辑回归模型的原理知识,结合Sklearn机器学习库的LogisticRegression算法对乳腺癌威斯康辛(诊断)数据集进行了数据分类.由于该数据集分类标签划分为两类(恶性、良性),能够很好地适用于逻辑回归模型.用基于两个特征的逻辑回归模型得到的分类结果表明,当选取平均半径和最大周长两个特征时,分类精度最高(95.72％).与以往的方法相比,该方法在性能上有所提高.