| 基于惩罚逻辑回归的乳腺癌预测 |
| |
| 引用本文： | 胡雪梅,谢英,蒋慧凤. 基于惩罚逻辑回归的乳腺癌预测[J]. 数据采集与处理, 2021, 36(6): 1237-1249 |
| |
| 作者姓名： | 胡雪梅 谢英 蒋慧凤 |
| |
| 作者单位： | 重庆工商大学数学与统计学院,重庆 400067;重庆工商大学经济社会应用统计重庆市重点实验室,重庆400067;重庆工商大学长江上游经济研究中心,重庆 400067 |
| |
| 基金项目： | 重庆市第五批高等学校优秀人才支持计划(68021900601)资助项目; 重庆市科委基础研究与前沿探索一般项目(cstc.2018jcyjA2073) 重庆市统计学研究生导师团队(yds183002) 重庆市教委科学技术研究计划重大项目(KJZD-M202100801) 重庆市社会科学规划项目(2019WT59) 社会经济应用统计重庆市重点实验室平台开放项目(KFJJ2018066) 重庆工商大学数理统计团队(ZDPTTD201906) 资助项目。 |
| |
| 摘 要： | 本文采用惩罚逻辑回归方法,利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测。首先选取与乳腺癌相关的10个指标作为自变量,接着采用逻辑回归、LASSO惩罚逻辑回归、L2![]() ![]() 惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器,利用75%的数据集作为训练集建立模型,最后利用25%的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度。结果表明,LASSO惩罚逻辑回归的预测表现最好,预测精度达到97.18%;弹性网惩罚逻辑回归的预测表现随着α![]() ![]() 的增大发生变化,特别当α=0.9![]() ![]() 时,预测精度达到97.18%,与LASSO惩罚逻辑回归的预测表现一样好;L2![]() ![]() 惩罚逻辑回归的预测表现排第3,逻辑回归表现最差。因此,在乳腺肿瘤诊断中可借助LASSO惩罚逻辑回归和弹性网惩罚逻辑回归提高诊断精度。
|
| 关 键 词： | 乳腺癌 逻辑回归 LASSO惩罚逻辑回归 L2惩罚逻辑回归 弹性网惩罚逻辑回归 |
| 收稿时间： | 2020-12-03 |
| 修稿时间： | 2021-05-26 |
Prediction of Breast Cancer Based on Penalized Logistic Regression |
| |
| HU Xuemei,XIE Ying,JIANG Huifeng. Prediction of Breast Cancer Based on Penalized Logistic Regression[J]. Journal of Data Acquisition & Processing, 2021, 36(6): 1237-1249 |
| |
| Authors: | HU Xuemei XIE Ying JIANG Huifeng |
| |
| Affiliation: | 1.School of Mathematics and Statistics, Chongqing Technology and Business University, Chongqing 400067, China;2.Chongqing Key Laboratory of Economic and Social Applied Statistics, Chongqing Technology and Business University, Chongqing 400067, China;3.Research Center for Economy of Upper Reaches of the Yangtse River, Chongqing Technology and Business University, Chongqing 400067, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
