AdaBoost算法在乳腺癌疾病预测中的研究

叶琳 石胜源 罗铁清

摘  要： 为了研究AdaBoost算法在乳腺癌疾病预测中的应用，收集乳腺癌诊断数据集并按照一定的比例拆分成测试数据和训练数据。利用AdaBoost、GaussianNB、KNeighbors算法模型分别进行测试，以准确率为评价标准来评价模型性能的好坏。当测试数据占30%时，AdaBoost算法模型预测乳腺癌疾病优于其他算法模型，准确率为96.49%。通过综合评价机制考察发现，AdaBoost算法模型能从复杂的多因素中找到预测乳腺癌的重要影响因素，这对快速识别引起乳腺癌疾病的特征以及早期病人的有效治疗具有重要意义。

关键词： 乳腺癌; 机器学习; AdaBoost; 诊断预测

中图分类号：TP391.41;TP181;R737.9          文献标识码：A     文章编号：1006-8228（2021）07-61-04

Study of AdaBoost algorithm application in breast cancer disease prediction

Ye Lin， Shi Shengyuan， Luo Tieqing

（School of Informatics， Hunan University of Chinese Medicine， Changsha， Hunan 410208， China）

Abstract： In order to study the application of AdaBoost algorithm in breast cancer disease prediction， breast cancer diagnostic data sets were collected and divided into the test data and training data according to a certain proportion， which were be used respectively in the test with AdaBoost， GaussianNB， and KNeighbors algorithm models， and the accuracy rate was used as the evaluation criteria to evaluate the performance of model. When the test data accounted for 30%， the AdaBoost algorithm model predicted breast cancer disease better than the other algorithm models， with an accuracy of 96.49%. Through the investigation with comprehensive evaluation mechanism， it is found that AdaBoost algorithm model can find the important influencing factors for predicting breast cancer from complex multiple factors， which is of great significance for rapid identification of the characteristics of breast cancer diseases and effective treatment of early patients.

Key words： breast cancer; machine learning; AdaBoost; diagnostic prediction

0 引言

Hyuna Sung[1]等人在癌症领域顶级专刊《CA：A Cancer Journal for Clinicians》（IF≈292）发表题为《Global cancer statistics 2020：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries》的研究论文，论文对全球癌症疾病负担信息进行了更新。2020年，全球估计有1930万新发癌症病例。全球癌症发病率前五名依次是乳腺癌（226万，11.7%）、肺癌（221万，11.4%）、结直肠癌（193萬，10.0%）、前列腺癌（141万，7.3%）、胃癌（109万，5.6%）。由此可见，乳腺癌已经成为全球第一大癌症，具体情况如图1所示。

值得思考的是，第二名肺癌男女均会患病，乳腺癌患者超过99%为女性，而女性人数约占全球总人口的一半，但乳腺癌新发病人数居然超过了肺癌，这是我们必须要重视的。由于乳腺癌诊断十分复杂，因此借助机器学习相关算法模型来对乳腺癌进行准确评估和预测迫在眉睫。本文将AdaBoost与GaussianNB、KNeighbors算法模型做对比，最终发现AdaBoost算法模型相较于另外两种算法模型能够更为准确的预测乳腺癌，实验步骤如图2所示。

1 对象与方法

1.1 研究对……