? ? ? 大家好，我是帶我去滑雪！

? ? ? 判斷肺部是否發(fā)生病變可以及早發(fā)現疾病、指導治療和監(jiān)測疾病進展，以及預防和促進肺部健康，定期進行肺部評估和檢查對于保護肺健康、預防疾病和提高生活質量至關重要。本期將利用相關醫(yī)學臨床數據結合邏輯回歸判斷病人肺部是否發(fā)生病變，其中響應變量為group（1表示肺部發(fā)生病變，0表示正常），特征變量為ESR（表示紅細胞沉降率）、CRP（表示C-反應蛋白）、ALB（表示白蛋白）、Anti-SSA（表示抗SSA抗體）、Glandular involvement（表示腺體受累）、gender（表示性別）、c-PSA（cancer-specific prostate-specific antigen）、CA 15-3（Cancer Antigen 15-3）、TH17（Th17細胞）、ANA（代表抗核抗體）、CA125（Cancer Antigen 125）、LDH（代表乳酸脫氫酶）。下面開始使用邏輯回歸進行肺部病變判斷。

（1）導入相關模塊與數據

import pandas as pd

import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
from sklearn.metrics import cohen_kappa_score#導入包
import numpy as np
from scipy.stats import logistic
import matplotlib.pyplot as plt
titanic = pd.read_csv('filename1.csv')
titanic#導入數據

輸出結果：

?	data.Age	impute.data.ESR..mean.	impute.data.CRP..mean.	impute.data.ALB..mean.	impute.data.Anti.SSA..median.	impute.data.Glandular.involvement..median.	impute.data.Gender..median.	impute.data.c.PSA..mean.	impute.data.CA153..mean.	impute.data.TH17..mean.	impute.data.ANA..median.	impute.data.CA125..mean.	impute.data.LDH..mean.	data.group
0	67	21.000000	4.810000	38.692661	0	0	0	0.300000	3.50000	10.330000	1	3.000000	212.210493	0
1	78	33.000000	12.089916	41.100000	0	0	0	0.610931	22.40000	7.465353	1	17.500000	485.000000	0
2	69	24.000000	2.250000	42.700000	0	0	0	0.300000	5.40000	8.020000	0	4.360000	236.000000	0
3	71	43.000000	21.800000	39.200000	0	0	0	0.300000	11.11000	5.500000	1	6.700000	166.000000	0
4	69	20.000000	2.430000	47.600000	3	0	0	0.300000	6.93000	4.310000	0	3.520000	223.000000	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
954	63	40.274914	2.370000	40.300000	2	0	0	0.430000	6.10000	6.560000	0	7.720000	234.000000	0
955	68	27.000000	3.520000	41.000000	3	0	0	0.320000	7.52000	4.780000	1	7.150000	254.000000	0
956	61	40.274914	12.089916	40.700000	0	0	0	0.610931	12.46303	1.790000	1	9.392344	161.000000	0
957	60	27.000000	35.400000	38.300000	0	0	0	0.200000	7.68000	5.700000	0	9.290000	256.000000	0
958	68	30.000000	2.280000	44.400000	0	0	0	0.200000	5.32000	4.430000	0	4.710000	172.000000	0

959 rows × 14 columns

（2）數據處理

X = titanic.iloc[:,:-1]
y = titanic.iloc[:,-1]
X=pd.get_dummies(X,drop_first = True)
X

（3）劃分訓練集與測試集

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
X_train, X_test, y_train, y_test = ?train_test_split(X,y,test_size=0.2,stratify=None, random_state=0)#劃分訓練集和測試集

（4）擬合邏輯回歸

model = ?LogisticRegression(C=1e10)
model.fit(X_train, y_train)

model.intercept_ ? ?#模型截距
model.coef_ ? ? ? #模型回歸系數

輸出結果：

array([[ 0.03899236,  0.00458312,  0.000863  , -0.10140358, -0.09681747,
         0.74167081,  0.56011254,  0.24636358,  0.0226635 , -0.02681392,
         0.4987412 , -0.01932326,  0.00211805]])

（5）使用邏輯回歸測試集進行評價分類準確率

model.score(X_test, y_test)

輸出結果：

0.6822916666666666

（6）測試集預測所有種類的概率

prob = model.predict_proba(X_test)
prob[:5]

輸出結果：

array([[0.71336774, 0.28663226],
       [0.34959506, 0.65040494],
       [0.91506198, 0.08493802],
       [0.24008149, 0.75991851],
       [0.55969043, 0.44030957]])

（7）模型預測

pred = model.predict(X_test)
pred[:5]#計算測試集的預測值，展示前五個值

輸出結果：

array([0, 1, 0, 1, 0], dtype=int64)

（8）計算混淆矩陣

table = pd.crosstab(y_test, pred, rownames=['Actual'], colnames=['Predicted'])
table

輸出結果：

Predicted	0	1
Actual	?	?
0	99	22
1	39	32

（9）計算基于混淆矩陣諸多評價指標?

print(classification_report(y_test, pred, target_names=['yes', 'no']))

輸出結果：

                precision    recall  f1-score   support

         yes       0.72      0.82      0.76       121
          no       0.59      0.45      0.51        71

    accuracy                           0.68       192
   macro avg       0.65      0.63      0.64       192
weighted avg       0.67      0.68      0.67       192

（10）繪制ROC曲線

from scikitplot.metrics import plot_roc
plot_roc(y_test, prob)
x = np.linspace(0, 1, 100)
plt.plot(x, x, 'k--', linewidth=1)
plt.title('ROC Curve (Test Set)')#畫ROC曲線
plt.savefig("E:\工作\碩士\博客\squares1.png",
? ? ? ? ? ? bbox_inches ="tight",
? ? ? ? ? ? pad_inches = 1,
? ? ? ? ? ? transparent = True,
? ? ? ? ? ? facecolor ="w",
? ? ? ? ? ? edgecolor ='w',
? ? ? ? ? ? dpi=300,
? ? ? ? ? ? orientation ='landscape')

輸出結果：

?文章來源地址http://www.zghlxwxcb.cn/news/detail-680638.html

?需要數據集的家人們可以去百度網盤（永久有效）獲?。?/p>

鏈接：https://pan.baidu.com/s/1E59qYZuGhwlrx6gn4JJZTg?pwd=2138
提取碼：2138?

更多優(yōu)質內容持續(xù)發(fā)布中，請移步主頁查看。

? ?點贊+關注,下次不迷路！

?

到了這里，關于利用邏輯回歸判斷病人肺部是否發(fā)生病變的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！