基于机器学习的前列腺癌患者分类研究

摘要

基于机器学习算法,本文对前列腺癌患者构建分类模型,目的是区分出不同患者,从而采取不同的治疗措施。基于随机森林、Adaboost、GradienBoosting、XGBoost、LightBGM和Stacking模型融合算法构建前列腺癌分类预测模型,调整模型参数,并验证模型效能。在单一的机器学习算法中,每一种机器学习算法都能对第一类(前列腺增生)患者进行识别,一部分模型在第二类(前列腺癌)患者和第三类(同时有前列腺癌和前列腺增生)患者中预测错误率较高;Adaboost算法的性能最优,对每一类都能够进行有效识别;Stacking融合算法优于所有单一的机器学习算法,在测试集上的准确率达到了96%。在前列腺癌分类预测模型中,Stacking融合算法效果明显优于单一的机器学习算法。