基于Lasso特征选择乳腺癌二分类算法研究

摘要：

近年来,随着大数据挖掘技术在医疗行业的迅速发展,临床精准治疗成为医疗大数据领域的研究热点.基于UCI数据库中乳腺癌数据集,通过构建乳腺癌二分类算法来预测乳腺肿瘤类型.其中针对不平衡数据集的处理、特征选择算法的优化以及分类准确率的评估,使用了机器学习技术包括随机过采样算法、Least absolute shrinkage and selection operator(Lasso)回归进行特征选择、序列前向选择(SFS)的特征选择算法.结果表明包含其中的 6 个特征的随机森林算法分类准确率最高(97.07%),相对于未进行特征选择算法的准确率有所提高,有可能在乳腺癌检测方面提供新的思路.

关键词：乳腺癌、Lasso、SFS

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：吉林省教育厅科学研究重点项目;吉林省教育厅人文社科研究项目;吉林省高教科研课题;吉林省自然科学基金;吉林省自然科学基金

在线出版日期：2023-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：23-28