基于“聚类-过采样”方法的肿瘤免疫亚型分类研究

分类学习方法有一个基本假设，即不同类别的样本数量相当。样本数量分布不均衡，会影响分类的准确率。针对样本分布不平衡的肿瘤亚型分类问题，提出聚类-过采样（clustering minority oversampling technique,CMOT），避免了算法“对少数类不友好”的情况。具体来说，首先在少数类的内部进行聚类，目的在于寻找少数类数据的分布结构。其次，使用改进的过采样方法，对少数类数据进行数据增强，最终实现不同类别的样本数量均衡。对比四种过采样方法，使用CMOT方法，肿瘤免疫亚型的分类准确率达到98.79%，明显高于其他方法。CMOT方法能够捕获少数类样本的真实特征，产生的伪样本足以平衡数据集，进而提升分类模型的精度。