基于代价敏感机器学习的肿瘤分类预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：为了提高肿瘤分类的精准度，识别信息基因，构建机器学习模型对肿瘤基因表达数据进行分析。该研究从KentRidge数据库下载了五组肿瘤基因表达谱数据，利用优化的代价敏感信息增益（CSIG） 算法快速过滤无关和冗余基因，筛选出误分类损失较小的信息基因子集。随后，构建了代价敏感决策树（CSC4.5） 作为分类模型，并采用准确率、ROC曲线、F-measure等分类指标评估信息基因质量，以验证模型的准确性。（剩余7188字）

试读结束

目录
monitor