Пишем нейронную сеть, предсказывающую рак груди, за пять минут
Минута первая: вступление
Этот высокоуровневый урок рассчитан на новичков в машинном обучении и искусственном интеллекте. Для того, чтобы успешно создать нейронную сеть, необходимы:
- Установленный Python второй или третьей версии.
- Как минимум начальный уровень программирования.
- Пять минут свободного времени.
Мы пропустим огромное количество деталей работы нейронной сети, не будем углубляться в теоретическую часть и сфокусируемся на предсказании рака всего лишь за 5 минут!
Для построения предсказаний будем использовать имплементацию нейронной сети из библиотеки scikit-learn
. Сами же предсказания будут основаны на данных из датасета Калифорнийского университета в Ирвайн “Breast Cancer Wisconsin” (рак груди, Висконсин). На вход нейронной сети подаются свойства клеточных ядер новообразования (например, строение), а на выходе мы получаем предсказание: злокачественное или доброкачественное новообразование.
Минута вторая: начало работы
Если у вас не установлена библиотека scikit-learn
, то запустите команду pip install scikit-learn
в терминале, которая установит библиотеку и все её зависимости.
Откройте среду разработки и создайте новый файл под названием, например, neuralnet.py
. Теперь мы загрузим имплементацию нейронной сети, обучающие данные и функцию для разделения наших данных на тренировочный и тестовый наборы для нейронной сети.
# Имплементация нейронной сети
from sklearn.neural_network import MLPClassifier
# Функция для загрузки датасета
from sklearn.datasets import load_breast_cancer
# Функция для разделения датасета
from sklearn.model_selection import train_test_split
Ссылки на документации используемых методов и датасетов scikit-learn
(на английском):
- Документация датасета с данными о раке груди (
load_breast_cancer
) - Документация для функции предобработки данных (
train_test_split
) - Документация для имплементации нейронной сети (
MLPClassifier
)
Минута третья: предварительная обработка
Прежде чем приступить к обучению нейронной сети на датасете, необходимо обработать данные. Для начала загрузим данные и выделим в attributes
свойства новообразований (двумерный список, содержащий численные значения), а в labels
— целевые переменные, метки злокачественности или доброкачественности новообразования (список из нулей и единиц). Содержимое каждого из списков соответствует содержимому другого списка под тем же индексом, то есть, к примеру, labels[0]
определяет значение целевой переменной для признаков, хранящихся в attributes[0]
.
data = load_breast_cancer() # Загружаем и сохраняем датасет
attributes = data.data # Свойства клеточных ядер
labels = data.target # Метки злокачественности
Теперь мы разделяем данные на тренировочные (для обучения нейронной сети) и тестовые (для проверки корректности ее работы). Тренировочный набор данных состоит из attributes_train
и labels_train
, тестовый — изattributes_test
и labels_test
. Треть наших данных будет составлять тестовый сет, оставшиеся две трети — обучающий.
attributes_train, attributes_test, labels_train, labels_test = train_test_split(attributes, labels, test_size=0.33)
Минута четвёртая: нейронная сеть
Теперь, когда наши данные разделены на обучающий и тестовый сеты, мы можем обучить нашу нейронную сеть! Для начала нужно создать нейронную сеть с многослойным перцептроном. Затем обучаем её на наших данных при помощи функции fit
, измеряем её точность при помощи функции score
и выводим эту точность.
neuralnet = MLPClassifier() # Инициализация нейронной сети
neuralnet.fit(attributes_train, labels_train) # Обучение сети
accuracy = neuralnet.score(attributes_test, labels_test) # Измерение точности работы сети
print(str(accuracy * 100) + "% accuracy") # Вывод значения точности в процентах
Попробуйте запустить нейронную сеть через терминал командой python neuralnet.py
примерно десять раз (можете заменить neuralnet.py
на название вашего скрипта) и сравните результаты.
Минута пятая: оптимизация результата
Есть вероятность, что разница в измерениях точности нейронной сети будет большой. Когда мы разделяли данные на обучающий и тестовый сеты, данные были перемешаны случайно, что и объясняет изменения результатов. В нашем датасете всего лишь 569 объектов, и модель обучается на 379 его объектах-представителях, что приводит к переобучению, так как данных слишком мало.
К тому же мы создавали нейронную сеть при помощи конструктора neuralnet = MLPClassifier()
, которому не передали ни одного аргумента. Это значит, что сеть была построена с использованием параметров по умолчанию, то есть, она не оптимизирована.
Мы можем исправить ситуацию либо обучая сеть на большем наборе данных, либо настраивая параметры датасета.
Я выбрал второй вариант и переключил solver с adam
(по умолчанию) наlbfgs
. В документации было сказано, что этот параметр позволяет оптимизировать сеть на маленьких наборах данных. Также я изменил активационную функцию с relu
на logistic
и экспериментальным путём установил, что значения alpha
от 0.0001 до 10.0 предотвращают переобучение.
# Замените предыдущую строку инициализации нейронной сети на эту
neuralnet = MLPClassifier(solver='lbfgs', activation='logistic', alpha=10.0)
Теперь это выглядит гораздо лучше! Точность до сих пор не так высока, как хотелось бы, однако разница между показателями значительно уменьшилась. И это не все изменения, которые можно было бы сделать. Вы можете разобраться в документации и продолжить процесс оптимизации.
Заключение
То, чему мы научились, применимо к любому датасету и к любому алгоритму машинного обучения, реализованному в scikit-learn
. Я выбрал нейронную сеть для предсказания рака груди, потому что эти две темы сейчас являются одними из самых обсуждаемых в сфере точных наук.
Для того, чтобы применить другой алгоритм, нужно просто изменить импортируемый алгоритм и вызвать его конструктор, например:
# Имплементация случайного леса
from sklearn.ensemble import RandomForestClassifier
# Предобработка данных
# Инициализация случайного леса
randomforest = RandomForestClassifier()
# Обучение и тестирование модели
Если вы заинтересовались машинным обучением, то в интернете имеется множество курсов на эту тему, например, на Coursera, которые помогут разобраться в работе алгоритмов.