冯 欣,张 航,辛瑞昊

(1.吉林化工学院 理学院,吉林 吉林 132022;2.吉林化工学院 信息与控制工程学院,吉林 吉林 132022)

乳腺癌[1](Breast cancer)是一种新发数高的一种疾病,已然成为一种噩梦。因此,研究乳腺癌发病机理,降低乳腺癌死亡率,提高乳腺癌预后效果迫在眉睫,这也是现在医疗领域所面临的一个巨大挑战。

在目前研究中,已经有很多学者针对乳腺癌分类提出自己的模型去展开研究。王冬[2]等人针对乳腺癌分类诊断提出了一种基于人工鱼群优化的随机森林模型,其最终准确率能达到97.48%。章飞[3]等人针对女性乳房造影图片的特征提取数据集进行分类诊断,使用多种机器学习算法建立分类模型对比。Lahoura[4]等人针对乳腺癌分类诊断问题提出一种基于云计算的无监督极限学习机(ELM)乳腺癌远程诊断系统,诊断准确率达到98.68%。Wang[5]等人将ELM与卷积神经网络(CNN)相结合针对乳腺癌分类问题进行检测,其实验结果效果良好。因此对乳腺癌的分类研究已然成为现在的一个研究趋势。

本研究利用乳腺癌公开数据集,针对不平衡数据采用随机过采样算法,特征选择采用了Least absolute shrinkage and selection operator(Lasso)回归算法[6]与序列前向选择算法。最后使用多种分类器的准确率对本研究提出的算法进行一定的评估,同时对最优临床特征进行可视化分析,本研究将为乳腺癌的诊断研究提供一定的参考。

1 特征选择模型及方法

1.1 Lasso回归模型

Lasso回归[7-9]是一种压缩估计,该模型因为惩罚项而更加精练,它的另一个优势在于子集收缩的同时保留了回归系数的压缩。……