典型文献
XGBoost算法在乳腺癌辅助诊断中的应用
文献摘要：
为了研究XGBoost算法在乳腺癌诊断中的应用,将机器学习算法与疾病诊断相结合,提升乳腺癌的诊断效率与准确率.在公开的威斯康星州乳腺癌数据集中建立了XGBoost乳腺癌诊断模型,实验过程中通过网格搜索和学习曲线寻找诊断模型的最优参数,并将建立的XGBoost模型与决策树、支持向量机、K-近邻和朴素贝叶斯算法的预测效果进行比较,使用准确率、F1值、AUC值等评价指标来比较各个模型的预测性能.本文实验结果表明,XGBoost算法的五折交叉验证准确率达到了97.89％,优于其他单分类器算法,对提升乳腺癌诊断准确率具有现实意义.
文献关键词：
乳腺癌;疾病诊断;集成学习;XGBoost
中图分类号：
作者姓名：
李佳思
作者机构：
上海工程技术大学 数理与统计学院,上海201620
文献出处：
引用格式：
[1]李佳思-.XGBoost算法在乳腺癌辅助诊断中的应用)[J].智能计算机与应用,2022(12):104-109
A类：
B类：
XGBoost,辅助诊断,机器学习算法,疾病诊断,诊断效率,威斯康星州,乳腺癌数据集,诊断模型,网格搜索,学习曲线,最优参数,决策树,近邻,朴素贝叶斯算法,预测性能,五折交叉验证,单分类,分类器,诊断准确率,集成学习
AB值：
0.314302
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
