📚 课程目录第2章乳腺癌检测

2. 乳腺癌检测

任务说明

本案例使用威斯康星乳腺癌数据集（569个样本，30个特征），完成支持向量机（SVM）的分类调参任务。目标是通过网格搜索确定RBF核SVM的最优超参数（C和gamma），并评估调参后模型在测试集上的分类性能。核心指标为准确率、精确率、召回率与F1分数。

实现方案

代码分为四个步骤：加载并划分数据（70%训练/30%测试，分层抽样保证类别平衡）；使用StandardScaler对特征标准化；通过GridSearchCV在训练集上执行5折交叉验证，搜索C ∈ {0.1, 1, 10, 100}与gamma ∈ {0.001, 0.01, 0.1, 1}共16组超参数组合；用最优参数重新训练SVM并在测试集上评估。代码直接输出最优参数与各项分类指标，不依赖任何未展示的前置代码。

代码实现

import numpy as np
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score

# 1. 加载数据
data = load_breast_cancer()
X, y = data.data, data.target

# 2. 划分训练集与测试集（分层抽样）
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y
)

# 3. 特征标准化
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 4. 网格搜索最优超参数（5折交叉验证）
param_grid = {
    'C': [0.1, 1, 10, 100],
    'gamma': [0.001, 0.01, 0.1, 1]
}
svm = SVC(kernel='rbf', random_state=42)
grid_search = GridSearchCV(
    svm, param_grid, cv=5, scoring='accuracy', n_jobs=-1
)
grid_search.fit(X_train_scaled, y_train)

# 5. 输出最优参数
best_params = grid_search.best_params_
print(f"最优参数: C={best_params['C']}, gamma={best_params['gamma']}")

# 6. 用最优参数重新训练并评估
best_svm = SVC(kernel='rbf', C=best_params['C'], gamma=best_params['gamma'], random_state=42)
best_svm.fit(X_train_scaled, y_train)
y_pred = best_svm.predict(X_test_scaled)

# 7. 计算分类指标
acc = accuracy_score(y_test, y_pred)
prec = precision_score(y_test, y_pred)
rec = recall_score(y_test, y_pred)
f1 = f1_score(y_test, y_pred)

print(f"测试集准确率: {acc:.4f}")
print(f"精确率: {prec:.4f}")
print(f"召回率: {rec:.4f}")
print(f"F1分数: {f1:.4f}")

落地与验证

运行方式：在安装有numpy、scikit-learn的Python环境中直接执行上述脚本。数据集由load_breast_cancer自动从scikit-learn内置数据源加载，无需额外下载。

验证方法：观察控制台输出。若程序正常结束并打印出最优参数与四个指标值，说明调参流程执行成功。判定标准：最优参数应落在搜索网格内（C为0.1/1/10/100之一，gamma为0.001/0.01/0.1/1之一）；测试集准确率应高于0.95（该数据集上RBF-SVM经标准化与调参后通常能达到此水平，但具体数值取决于交叉验证结果，以实际输出为准）。

预期输出示例（实际值可能因随机种子与交叉验证划分略有不同）：

最优参数: C=10, gamma=0.01
测试集准确率: 0.9825
精确率: 0.9904
召回率: 0.9810
F1分数: 0.9857