基于惩罚逻辑回归的乳腺癌预测

摘要：

本文采用惩罚逻辑回归方法,利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测.首先选取与乳腺癌相关的10个指标作为自变量,接着采用逻辑回归、LASSO惩罚逻辑回归、L2惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器,利用75％的数据集作为训练集建立模型,最后利用25％的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度.结果表明,LASSO惩罚逻辑回归的预测表现最好,预测精度达到97.18％;弹性网惩罚逻辑回归的预测表现随着α的增大发生变化,特别当α=0.9时,预测精度达到97.18％,与LASSO惩罚逻辑回归的预测表现一样好;L2惩罚逻辑回归的预测表现排第3,逻辑回归表现最差.因此,在乳腺肿瘤诊断中可借助LASSO惩罚逻辑回归和弹性网惩罚逻辑回归提高诊断精度.

关键词：乳腺癌;逻辑回归;LASSO惩罚逻辑回归;L2惩罚逻辑回归;弹性网惩罚逻辑回归

所属期刊栏目：36

分类号：TP181;R737.9(自动化基础理论)

资助基金：重庆市第五批高等学校优秀人才支持计划;重庆市科委基础研究;前沿探索一般项目;重庆市统计学研究生导师团队;重庆市教委科学技术研究计划重大项目;重庆市社会科学规划项目;社会经济应用统计重庆市重点实验室平台开放项目;重庆工商大学数理统计团队

在线出版日期：2021-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1237-1249