基于SMOTE-ENN结合XGBoost算法构建胰腺癌术后生存预测模型

打开文本图片集

[摘要] 目的 采用不同机器学习算法在美国癌症联合委员会（American Joint Committee on Cancer，AJCC）新版分期的基础上应用大规模数据构建胰腺癌术后患者的生存结局预测模型。方法 基于监测、流行病学和最终结局（Surveillance， Epidemiology， and End Results，SEER）数据库使用合成少数类过采样技术（synthetic minority over-sampling technique，SMOTE）与合成少数类过采样技术和编辑最近邻（synthetic minority over-sampling technique and edited nearest neighbors，SMOTE-ENN）算法处理不平衡数据，利用随机森林、支持向量机、决策树、极端梯度提升（extreme gradient boosting，XGBoost）算法构建预后模型并进行对比，引入Shapley可加性特征解释（Shapley additive explanation，SHAP）对模型进行解释。（剩余9509字）