典型文献
基于集成学习的肺癌存活性预测分析
文献摘要：
在我国,恶性肿瘤死亡率最高的就是肺癌.为了提高肺癌存活性预测的准确性,本研究以随机森林(Random Forest)、LightGBM(Light Gradient Boosting Machine)和CatBoost(Categorical Boosting)三种算法为基模型,通过线性回归集成融合构建RF-LGC肺癌存活性预测模型,运用分层十折交叉验证方法进行仿真实验.实验结果显示,RF-LGC组合模型的预测精度达到了98.0242％,比单一的基模型提高了0.2％;敏感性达到了89.3957％,比单一的基模型提高了3％;特异性达到了78.4848％,比单一的基模型提高了1％.因此,该集成融合模型是一种精确、方便的肺癌存活性预测模型.
文献关键词：
集成学习;随机森林;十折交叉验证;癌症预后
中图分类号：
作者姓名：
李秀芹;李琳;张慢丽
作者机构：
华北水利水电大学,河南 郑州 450046
文献出处：
引用格式：
[1]李秀芹;李琳;张慢丽-.基于集成学习的肺癌存活性预测分析)[J].软件工程,2022(01):41-46
A类：
B类：
集成学习,活性预测,预测分析,Random,Forest,LightGBM,Gradient,Boosting,Machine,CatBoost,Categorical,基模,归集,集成融合,融合构建,RF,LGC,十折交叉验证,验证方法,组合模型,该集,融合模型,癌症预后
AB值：
0.410115
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。
