Flask搭建KNN前列腺癌预测网站固定输出恶性结果问题

固定输出恶性结果的问题由以下几个常见bug导致，按优先级排查修复即可：

• 预测结果类型不匹配，模板判断逻辑失效
  model.predict()返回的是shape为(1,)的numpy数组（格式类似np.array([1])），不是Python原生整数类型。Jinja2模板在对numpy数组和整数做==判断时存在类型兼容问题，会出现固定命中某一分支、或两个判断分支都不触发的异常。
  修复方式：提取预测结果的标量值转为原生整数后再传入模板，将接口中对应代码修改为：

  my_prediction = int(model.predict(mypred)[0])
  

• KNN模型缺失特征标准化步骤，距离计算完全失真
  KNN算法依赖欧氏距离判断样本相似度，你传入的特征量级差异极大：perimeter、area的数值通常在几十到上千区间，而smoothness、fractal_dimension等特征取值仅在0~1的小数区间，大数值特征会完全主导距离计算结果，导致模型预测逻辑彻底失效，输出结果和输入特征无关联。
  修复方式：训练阶段使用StandardScaler对训练集特征做标准化，预测阶段必须使用训练集拟合好的同一个scaler对输入特征做转换，绝对不能在预测接口中重新拟合scaler，否则会造成数据泄露，参考实现：

  # 以下逻辑在模型训练阶段执行，不要放到预测接口中
  from sklearn.preprocessing import StandardScaler
  scaler = StandardScaler()
  X_train_processed = scaler.fit_transform(X_train)
  model.fit(X_train_processed, y_train)
  
  # 预测接口内的特征处理逻辑
  mypred = np.array([[rad, tex, par, area, smooth, compact,symme, frac]])
  mypred_processed = scaler.transform(mypred)
  my_prediction = int(model.predict(mypred_processed)[0])
  

• 标签映射逻辑与数据集定义不匹配
  公开医疗细胞分类数据集的标签定义没有统一标准，部分数据集以0标记恶性、1标记良性，也有部分定义相反。取训练集中已知类别的样本单独跑预测，确认模型输出值对应的实际类别，再调整模板中的判断条件即可。

内容的提问来源于stack exchange，提问作者Devika