基于C-AdaBoost模型的乳腺癌预测研究

• 作者: 李勇 王霞 贾海 陈思萱
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 集成学习 逐步回归 特征筛选 疾病预测
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图形与图像
• 页码范围: 1414-1422
• 页数: 9页
• 分类号: TP393
• 字数: 5627字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.08.011

摘要

机器学习和深度学习技术可用于解决医学分类预测中的许多问题,其中一些分类算法的预测精度较高,而另一些算法的精度有限.提出了基于C-AdaBoost模型的集成学习算法,对乳腺癌疾病进行预测,发现了判断乳腺癌是否复发、乳腺癌肿瘤是否为良性的最优特征组合.通过逐步回归方法对现有特征进行二次选取,并结合C-AdaBoost模型使得预测效果更优.大量实验表明,基于C-AdaBoost模型的算法的预测准确率比SVM、Naive Bayes、RandomForest以及传统的集成学习模型等机器学习分类器的准确率最多可提高19.5％,从而可以更好地帮助医生进行临床决策.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李勇	西北师范大学计算机科学与工程学院	32	259	6.0	15.0
2	王霞	甘肃省人民医院药剂科	9	16	2.0	3.0
3	贾海	甘肃省人民医院药剂科	9	42	5.0	6.0
4	陈思萱	西北师范大学计算机科学与工程学院	1	0	0.0	0.0