今日立冬，刚好一杯咖啡的工夫，看一段机器学习的几行经典代码，放松一下。
代码很简单，但却不失机器学习标准流程的必要步骤。
使用SVM（支持向量机）对肺癌数据集进行学习，并对测试集进行预测。
数据集：
https://raw.githubusercontent.com/aviralb13/git-codes/main/datas/lung%20cancer.csv
1. 导入包，并读取数据集并获取前5行数据：
import pandas as pd
import numpy as np
URL = 'https://raw.githubusercontent.com/aviralb13/git-codes/main/datas/lung%20cancer.csv'
data = pd.read_csv(URL)
data.head()
2. 对离散非数据特征，使用Onehot特征编码：
one_hot = pd.get_dummies(data['GENDER'])
data = data.drop('GENDER',axis = 1)
data = data.join(one_hot)
data.head()
3. 导入预处理库，并对目标类Label编码：
from sklearn import preprocessing
label = preprocessing.LabelEncoder()
data['LUNG_CANCER'] = label.fit_transform(data['LUNG_CANCER'])
data.head()
4. 获取并设定数据集特征X，以及预测目标值y：
features = ['AGE', 'SMOKING', 'YELLOW_FINGERS', 'ANXIETY', 'PEER_PRESSURE','CHRONIC DISEASE', 'FATIGUE ', 'ALLERGY ', 'WHEEZING','ALCOHOL CONSUMING', 'COUGHING', 'SHORTNESS OF BREATH','SWALLOWING DIFFICULTY', 'CHEST PAIN', 'F', 'M']
x = data[features]
y = data['LUNG_CANCER']
5. 导入Split库，并对对原数据集分为训练和测试数据：
from sklearn.model_selection import train_test_split
train_x,test_x,train_y,test_y = train_test_split(x,y)
6. 导入SVM算法，并对训练数据进行拟合，训练模型：
from sklearn.svm import LinearSVC
SVC = LinearSVC()
SVC.fit(train_x,train_y)
7. 导入模型评估库，并使用已经训练的模型对测试数据进行预测：
from sklearn.metrics import accuracy_score
prediction = SVC.predict(test_x)
accuracy_score(test_y, prediction)
预测准确率（accuracy）如下：
0.9358974358975359
咖啡喝完，收工！
完整源码如下：
https://github.com/aviralb13/git-codes/blob/main/datas/lung%20cancer.csv
原创文章，作者：门童靖博士，如若转载，请注明出处：https://www.agent-universe.cn/2022/11/12704.html
