1. 乳腺癌预测

1.1. 场景背景

乳腺癌是美国妇女最常见的癌症，也是癌症死亡的第二常见原因。利用机器学习算法从已有的临床乳腺癌数据中，可以学习导致乳腺癌的特征，并通过大量历史数据的学习使得机器成为半个乳腺癌专家，这将极大地帮助医生诊断或及时拯救患者。

本文通过智能钛机器学习平台，提供一种快速搭建医疗领域乳腺癌研究的工作流使用方法。用户无须编写代码，只要拖动相应节点搭建模型架构，便可以在十几分钟的时间内快速上手，解决乳腺癌研究等医疗领域的实际问题。

本次任务我们采用公开的乳腺癌数据集，该数据集共包含569个样本，其中357个阳性（y=1）样本，212个阴性(y=0)样本；每个样本有32个特征，但本次实验中选取其中10个特征。

数据集具体字段信息如下：（表格中包括每列字段的名称和对应取值范围）

数据集具体内容抽样展示如下：（前9列是特征取值，最后1列是标签取值）

工作流整体流程如下:

在乳腺癌研究场景中，我们采用的机器学习算法是决策树。整个模型完成预计需要15分钟。工作流整体流程如下：

为方便用户操作，我们直接提供本实验所需的数据集(cancer.csv)下载链接，请直接下载并保存到本地

在智能钛控制台的左侧导航栏，选择【输入】>【数据源】>【本地数据】，并拖入画布中
在【本地数据】对应右边弹出的设置窗口中选择【算法IO参数】中的"数据文件"上传，点击"数据文件"输入框，在弹出的列表框中选择截图中红框的上传按钮，选择刚刚保存到本地的cancer.csv数据集上传，点击"确定"按钮

在模型训练时我们通常会将所有的数据分成三部分：1）训练集 training set；2）验证集 validation set；3）测试集 test set。训练集用来训练模型，验证集用于调节模型超参数，测试集用来整体评估模型性能。

本文实验采用简单地将数据切割成训练集和测试集，比例为 8 : 2（80%用于训练，20%用于测试）。

在 TI 控制台的左侧导航栏，选择【算法】>【机器学习算法】>【数据预处理】>【Spliter】，并拖入画布中
将【本地数据】的输出桩连接到【Spliter】的输入桩
填写参数：
- 【算法IO参数】中的各个数据路径参数均为自动生成，无需更改
- 【算法参数】中的"切分比例"填写：0.8（【Spliter】第一个输出桩为80%的训练数据，第二个输出桩为20%的测试数据）
- 其余参数可保持不变

通过该蓝色漏斗可查看模型对测试集中句子的预测结果。

注：查看预测结果的操作为，模型运行成功后，右键蓝色漏斗处选择【Tensorflow控制台】>【app详情】>【stderr.log】中可以看到预测结果

在 TI 控制台的左侧导航栏，选择【输出】>【模型评估】>【BinaryEvaluator】，并拖入画布中
将【DecisionTree】左侧蓝色漏斗的输出桩连接到【BinaryEvaluator】的输入桩
填写参数：
- 【算法IO参数】中"标签列"填写：9；"得分列"填写：10（因为该【DecisionTree】默认将得分列添加到源数据最后一列）；"抽样率"填写：1.0；"并行数"填写：10
- 【算法参数】中的"预测阈值"填写：0.5
- 其余参数可保持不变