基于不完整乳腺癌数据的模型预测研究
打开文本图片集
摘要：针对不完整乳腺癌数据问题，该研究提出kmeans-KNN方法处理缺失值。首先对训练集进行聚类并采用KNN进行缺失值填充，基于完整训练集训练线性回归模型填充测试集的缺失值，然后使用机器学习算法XGBoost、RF、KNN、SVM对完整训练集进行训练建模，利用建立好的模型对完整测试集进行测试。结果证明kmeans-KNN在缺失值预处理上优于EM、MICE等常用的缺失值填補方法，在准确度和AUC上，kmeans-KNN+SVM取得最优。（剩余6080字）
网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。