10.3969/j.issn.1000-386X.2011.09.014
一种基于概率校正和集成学习的肠癌肝转移预测模型
提出一种基于概率校正和集成学习的机器学习模型,用来预测患者肠癌肝转移的概率.首先将AdaBoost和Class-balanced SVM的概率结果进行校正,再将其结果和Logistic回归的预测结果进行集成,获得最终的预测结果.预测模型在复旦大学附属肿瘤医院的肠癌患者数据集上与其他算法如AdaBoost、Class-balanced SVM、Logistic回归算法进行了比较,结果显示该模型具有更好的AUC性能,更适合于医生的临床辅助诊断.模型的AUC性能在UCI数据集上进一步得到了验证.
生物信息学、医学信息学、机器学习、概率校正、集成学习
28
TP391.77(计算技术、计算机技术)
国家重大基础研究计划20005CB321905
2012-01-14（万方平台首次上网日期，不代表论文的发表时间）
共4页
48-51
