3.3　宫颈癌的危险因素（分类）

宫颈癌数据集包含预测女性是否会患宫颈癌的指标和危险因素。这些特征包括人口统计学数据（如年龄）、生活方式和病史。数据可从UCI 机器学习库下载，由Fernandes、Cardoso 和Fernandes 整理［14］。

本书使用的数据集的部分特征如下。

·年龄。

·性伴侣数量。

·首次性行为时间。

·怀孕次数。

·是否吸烟。

·烟龄。

·是否服用激素避孕药。

·服用激素避孕药的时间。

·是否有IUD （宫内节育器）。

·使用IUD 时间。

·是否患有STD （性传播疾病）。

·STD 诊断次数。

·STD 次数。

·首次STD 诊断至今时间。

·上次STD 诊断至今时间。

·活检结果，即癌症概率。概率为0 表示“健康”，概率为1 表示“癌症”。这是目标输出。

活检结果作为判断是否患癌症的最终结果。对于本书中的例子，活检结果被用作目标。

数据中每列的默认值都是由众数（最常见的值）代替的，这可能并非是一个好办法，因为真正的答案可能与某个值缺失的概率相关。该数据可能会有偏差，因为这些问题是非常私人的。但这并不是一本关于缺失数据插补的书，所以必须认为众数插补足以作为回归分析来使用。

要使用该数据集重现本书的示例，请在本书的GitHub 存储库中找到预处理的R脚本和最终的RData 文件。