融合CatBoost和SHAP的乳腺癌预测及特征分析

摘要：

针对当前乳腺癌预测模型存在性能不足和可解释性差的问题,提出一种融合CatBoost和SHAP的乳腺癌预测及特征分析模型.首先,对原始乳腺癌数据集进行异常值处理和数据归一化处理等工作,以提高数据的质量.然后,基于Cat-Boost建立乳腺癌预测的模型,并进行泛化能力分析.最后,将预测模型结合SHAP进行可解释分析,以探索影响乳腺癌的关键因素.使用威斯康星大学的Breast Cancer Wisconsin(Diagnostic)数据集验证该模型,结果表明:Accuracy值为99.30%,Precision值为99.50%,Recall值为98.91%,F1值为99.19%,均优于现有文献.其中Accuracy指标提升1.12～6.90个百分点,Precision指标提升2.00～7.50个百分点,Recall指标提升2.41～6.91个百分点,F1值提升2.19～7.19个百分点,以此验证本文模型的优越性.此外,SHAP模型得出影响乳腺癌的核心因素有concave points_worst(乳腺组织细胞核凹点极值)、perimeter_worst(乳腺组织细胞核周长极值)、area_worst(乳腺组织细胞核面积极值)等,这为医生诊断提供原理性支撑.

关键词：CatBoost算法、可解释、乳腺癌、疾病预测、特征分析、机器学习

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：32-38