赖辰霄

摘要：采用logistic回归，逐步回归以及假设检验等统计知识，对Coimbra 乳腺癌的数据（http：//archive.ics.uci.edu/ml/datasets/Breast+Cancer+Coimbra）分类分析，得到BMI，Glucose，Insulin，HOMA，Resistin等五个变量为影响乳腺癌的主要变量，并且得到了各个变量前的系数。与此同时，计算了预测准确率其中健康人群的预测准确率为75%，癌症患者的预测准确率达到了77%。为了进一步证明模型的可行性，我们采用了假设检验进行检验，通过p值和t值可以看出我们得到的变量都通过了检验。

关键词：乳腺癌;logistic回归;逐步回归;假设检验;p值

中图分类号：F24文献标识码：Adoi：10.19311/j.cnki.16723198.2019.08.042

1序言

乳腺癌是发生在乳腺上皮组织的恶性肿瘤，乳腺并不是维持人体生命活动的重要器官，原位乳腺癌并不致命;但由于乳腺癌细胞丧失了正常细胞的特性，细胞之间连接松散，容易脱落。癌细胞一旦脱落，游离的癌细胞可以随血液或淋巴液播散全身，形成转移，危及生命，所以目前乳腺癌已成为威胁女性身心健康的常见肿瘤。在全球范围内，乳腺癌是女性的主要癌症类型，占所有病例的25%。在2012年，它导致了168万例新病例和522000例死亡。影响乳腺癌发病的因素有很多，本文旨在通过对于乳腺癌发病者特征的数据收集整理，运用多元线性回归的知识拟合出一个具体的模型，从而探究乳腺癌发病的某些规律，找出影响乳腺癌的主要因素，以及这些因素和乳腺癌之间的相关关系。利用相关的统计检验对建立的模型就行检验，并配以统计的相关软件R语言对搜集的数据进行计算机模拟建模。所使用的R语言软件的版本为R-3.4.4。……