基于不完整乳腺癌数据的模型预测研究

• 作者: 邓钰芳
• 来源期刊: 现代信息科技
• 关键词: 不完整数据 乳腺癌 诊断预测
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 50-53
• 页数: 4页
• 分类号: R737.9
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.07.013

摘要

针对不完整乳腺癌数据问题,该研究提出kmeans-KNN方法处理缺失值.首先对训练集进行聚类并采用KNN进行缺失值填充,基于完整训练集训练线性回归模型填充测试集的缺失值,然后使用机器学习算法XGBoost、RF、KNN、SVM对完整训练集进行训练建模,利用建立好的模型对完整测试集进行测试.结果证明kmeans-KNN在缺失值预处理上优于EM、MICE等常用的缺失值填补方法,在准确度和AUC上,kmeans-KNN+SVM取得最优.