Python dataset: breast_cancer dataset.

数据集：乳腺癌数据集（from sklearn.datasets import load_breast_cancer）。

将样本集分为70%作为主要训练数据集与30%作为测试数据集，并在模型建立前需对数据进行标准化处理。随后分别采用逻辑回归模型与KNN分类器（不设置任何预设参数值）进行建模，并生成相应的测试结果报告

（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）采用K折交叉验证法对完整数据集进行评估（k取值范围为2至10），基于逻辑回归算