基于Lasso特征选择乳腺癌二分类算法研究

作者：冯欣; 张航; 辛瑞昊^*

来源：吉林化工学院学报, 2023, 40(01): 23-28.

DOI：10.16039/j.cnki.cn22-1249.2023.01.006

• 乳腺癌
• Lasso
• SFS

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。

• 出版日期2023
• 单位吉林化工学院