阅读网站策划书,网站建设报价明细模板,网赌网站国外空间,怎么向百度提交网站地图近期做一个影像组学的分类模型
做的是一个胃癌T分期的模型#xff0c;我刷选统计出一些胃癌区域的特征#xff0c;如图#xff1a;有癌症面积、体积等等 下面要做一个SVM#xff08;支持向量机#xff09;分类的模型#xff0c;导入该文件#xff0c;进行二分类#x…近期做一个影像组学的分类模型
做的是一个胃癌T分期的模型我刷选统计出一些胃癌区域的特征如图有癌症面积、体积等等 下面要做一个SVM支持向量机分类的模型导入该文件进行二分类代码如下
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import classification_report, confusion_matrix# 加载数据
data_path ../data/data.xlsx
data pd.read_excel(data_path, sheet_nameclass2T2_T34)# 准备数据
X data.drop([Filename, label], axis1) # 删除非特征列
y data[label] # 标签列# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42)# 特征缩放
scaler StandardScaler()
X_train scaler.fit_transform(X_train)
X_test scaler.transform(X_test)# 创建SVM分类器# 线性核
# svm_classifier SVC(kernellinear, decision_function_shapeovo)
# 多项式核Polynomial Kernel
svm_classifier SVC(kernelpoly, degree3, coef01, decision_function_shapeovo)
# 径向基函数核Radial Basis Function, RBF Kernel
# svm_classifier SVC(kernelrbf, gammascale, decision_function_shapeovo)
# Sigmoid核
# svm_classifier SVC(kernelsigmoid, coef01, decision_function_shapeovo)# 训练模型
svm_classifier.fit(X_train, y_train)# 预测测试集结果
y_pred svm_classifier.predict(X_test)# 评估模型
print(Confusion Matrix:)
print(confusion_matrix(y_test, y_pred))
print(\nClassification Report:)
print(classification_report(y_test, y_pred))
运行结果如下 可以看出能达到85%的准确度说明模型能够很好的区分需要注意如果你的分类效果不理想我的代码中给出了很多的核试试不同的核运行的效果
