数据集：乳腺癌数据集（from sklearn.datasets import load_breast_cancer）。
（1）将样本集划分为70%的训练集，30%作为测试集，分别用逻辑回归算法和KNN算法（需要先对数据进行标准化）建模（不指定参数），输出其测试结果的混淆矩阵，计算其准确率、查全率和假正率。
（2）利用搜索网格，分别确定逻辑回归及KNN模型的最优参数。
KNN算法的主要参数提示：
①n_neighbors（最近邻个数）
取值一般为奇数。
②algorithm（用于计算最近邻的算法）
取值有‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’等，默认为‘auto’。注意：算法选择不影响KNN的最终结果，只影响模型的性能（计算的快慢程度）。
③p（Minkowski距离的指标参数）
默认取p=2，即欧氏距离。而p=1为曼哈顿距离。如果需要使用非明氏距离的其它指标，应修改metric参数的值。
④weights（权重）
预测中使用的权重函数。可能的取值：‘uniform’：统一权重，即每个邻域中的所有点均被加权。 ‘distance’：权重点与其距离的倒数，在这种情况下，查询点的近邻比远处的近邻具有更大的影响力。
（3）对整个数据集使用K折交叉验证方式（k=2,3,4,5,6,7,8,9,10），分别用逻辑回归和KNN建模（用上一步确定的最优参数），绘图对比两种模型在k取不同值下的的分类准确率。
#!/usr/bin/env python
# coding: utf-8
from sklearn.datasets import load_breast_cancer
import numpy as np
from sklearn import linear_model, model_selection
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import confusion_matrix
from sklearn import datasets
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import cross_val_score
np.set_printoptions(suppress= True)
np.set_printoptions(precision=4)
# from pylab import mpl
# mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体：解决plot不能显示中文问题
# mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
dataset = datasets.load_breast_cancer()
data = dataset.data
target = dataset.target
x_train, x_test, y_train, y_test = model_selection.train_test_split(data,target,
test_size=0.3,random_state=1)
model_logic = LogisticRegression(max_iter=10000).fit(x_train, y_train.ravel())
print(model_logic.score(x_test,y_test))
y_pred = model_logic.predict(x_test)
#测试逻辑回归的模型评估
tn, fp, fn, tp = confusion_matrix(y_test, y_pred,labels=[0,1]).ravel()
print(tn,fp,fn,tp)
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 = (tn+tp)/(tn+tp+fn+fp)
trp = (tp)/(tp+fn)
fpr = (fp)/(tn+fp)
print("准确率为：{}%".format(accuracy*100))
print("查全率为：{}%".format(trp*100))
print("假正率为：{}%".format(fpr*100))
param = {'penalty':['l2','l1'],'C': [0.001, 0.01, 0.1,1],
'class_weight':['balanced',None],'multi_class':['ovr'],'solver':['liblinear']}
gc = GridSearchCV(model_logic, param_grid=param, cv=10)
gc.fit(x_train, y_train)
print("在测试集上的准确率(得分)：",gc.score(x_test,y_test))
print("交叉验证的最好结果：",gc.best_score_)
print("最佳参数组合：",gc.best_params_)
k=[2,3,4,5,6,7,8,9,10]
scores = []
model_logic = LogisticRegression(max_iter=10000,C=1, class_weight= 'balanced',
multi_class='ovr', penalty='l1', solver='liblinear')
for i in range(0,len(k)):
score = cross_val_score(model_logic,data,target,cv=k[i])
scores.append(score.mean())
print(scores)
plt.figure()
plt.title('逻辑回归模型的k折交叉验证得分曲线图')
plt.plot(k,scores,'bs-')
#对训练集和测试集的X正则化
standardizer = StandardScaler()
X_std = standardizer.fit_transform(x_train)
standardizer = StandardScaler()
X_std_test = standardizer.fit_transform(x_test)
knn = KNeighborsClassifier ().fit(X_std, y_train)
print(knn.score(X_std_test,y_test))
y_pred = knn.predict(X_std_test)
print(y_pred)
#注意阳性为1 True Positive
#测试KNN的模型评估
tn, fp, fn, tp = confusion_matrix(y_test, y_pred,labels=[0,1]).ravel()
print(tn,fp,fn,tp)
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 = (tn+tp)/(tn+tp+fn+fp)
trp = (tp)/(tp+fn)
fpr = (fp)/(tn+fp)
print("准确率为：{}%".format(accuracy*100))
print("查全率为：{}%".format(trp*100))
print("假正率为：{}%".format(fpr*100))
param = {'n_neighbors': [1, 3, 5],'algorithm': ['auto','ball_tree', 'kd_tree', 'brute'],'p':[1,2],'weights':['uniform','distance']}
gc = GridSearchCV(knn, param_grid=param, cv=5)
gc.fit(x_train,y_train)
print("在测试集上的准确率：",gc.score(x_test,y_test))
print("交叉验证的最好结果：",gc.best_score_)
print("最佳参数组合：",gc.best_params_)
k=[2,3,4,5,6,7,8,9,10]
scores = []
knn = KNeighborsClassifier(algorithm='auto', n_neighbors= 3, p= 1,weights='uniform')
for i in range(0,len(k)):
score = cross_val_score(knn,data,target,cv=k[i])
scores.append(score.mean())
print(scores)
plt.figure()
plt.title('knn的k折交叉验证得分曲线图')
plt.plot(k,scores,'bs-')
注意，对于画曲线图中文乱码问题：
from pylab import mpl
mpl.rcParams[‘font.sans-serif’] = [‘SimHei’]
对于knn的k折交叉验证和网格搜索，应该也需要对测试的数据进行标准化。
因版本问题导致的参数设置，特别是算法选择的参数无法设置