python - 逻辑回归没有显示正确的结果

Question

我正在使用以下数据集，原始版本，来自：https ://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/

我想应用逻辑回归对该数据集上的样本进行分类，我的代码如下：

import numpy as np
from sklearn.model_selection import train_test_split
data = np.genfromtxt("breast-cancer-wisconsin.data",delimiter=",")
X = data[:,1:-1]
X[X == '?'] = '-999999'
X = X.astype(int)
y = data[:, -1].astype(int)
X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=0.2)
lg=linear_model.LogisticRegression(n_jobs = 10)
lg.fit(X_train,y_train)
predictions = lg.predict(X_test)
cm=confusion_matrix(y_test,predictions)
print(cm)
score = lg.score(X_test, y_test)

print("Accuracy: %0.2f (+/- %0.2f)" % (score.mean(), score.std() * 2))

我删除了第一列，因为它只是 ID，并替换了 ? 具有大数字的字符，因此可以将其归类为异常值。我遇到的问题是当我将结果与此页面中获得的结果进行比较时：

https://anujdutt9.github.io/ML_LogRSklearn.html

因为我获得的准确性为：

Accuracy: 0.34

在前面提到的链接上，准确率约为 95%。

我的混淆矩阵的结果也很差，例如，我得到：

[[ 1 92]
 [ 0 47]]

我的模型有什么问题？

谢谢

标签： pythonscikit-learn

Answer 1

尝试这个

X[X == '?'] = np.nan #converting ? to NaN

然后输入平均值

imputer = Imputer()
transformed_X = imputer.fit_transform(X)