基于误分类模式的乳腺癌诊断研究
2017-02-15高集荣杨永红刘清华
网络安全与数据管理 2017年2期
高集荣,田 艳,杨永红,刘清华
(1.中山大学 计算机科学系,广东 广州 510006;2.西安财经学院 统计学院,陕西 西安 710061)
基于误分类模式的乳腺癌诊断研究
高集荣1,田 艳2,杨永红1,刘清华1
(1.中山大学 计算机科学系,广东 广州 510006;2.西安财经学院 统计学院,陕西 西安 710061)
乳腺癌已经成为当今世界影响妇女健康的重要疾病。对于乳腺癌诊断来说,当一个恶性病例被误分类为良性病例的时候,其代价远远大于一个良性病例被误分类为恶性病例。它利用数据挖掘领域的代价敏感相关方法,建立一个识别良性乳腺肿瘤和恶性乳腺肿瘤的诊断预测系统。在建模过程中充分考虑到误分类代价的因素,提出了误分类代价策略。通过一系列实验验证了所建立的模型。从实验结果来看,Adaboost与SVM的误分类组合分类算法在正确率和总误分类代价两个评估指标上得到了良好的效果。
数据挖掘;代价敏感;误分类代价;乳腺癌
0 引言
乳腺癌已经成为当今世界影响妇女健康的重要疾病[1],全球乳腺癌发病率从上世纪70年代末起就一直呈上升趋势。据美国的调查,平均每8名美国妇女中,就有一个人在其一生中可能患有乳腺癌疾病。据中国国家癌症中心和卫生部疾病预防控制局2012年公布的2009年乳腺癌发病数据显示:全国肿瘤登记地区的女性恶性肿瘤排行榜上,乳腺癌发病率位居第1位。
乳腺癌的研究和治疗历史悠久,积累了不少的数据,如何从这些数据中发现有用的信息来辅助治疗,成了当下比较热门的一个课题。……
登录APP查看全文
