首页|基于GA-XGBoost算法的肺癌预测研究

基于GA-XGBoost算法的肺癌预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为辅助医生进行早期的肺癌预测,提出用遗传算法(GA)对集成算法XGBoost进行优化的GA-XGBoost预测方法.针对机器学习存在的样本数量小、数据质量不佳等问题,提出结合SMOTE过采样、随机森林特征重要性排序构建最终肺癌预测模型,进行肺癌的预测分类.对数据集进行测试,结果表明:与K最近邻、SVM、决策树、XGBoost算法相比,该模型准确率93.2%,同时具有更快的响应速度,综合性能最优.
Research on lung cancer prediction based on GA-XGBoost algorithm

lung cancerSMOTE oversamplingfeature selectiongenetic algorithmintegrated algorithmXGBoost

柯东、晏峻峰

展开 >

湖南中医药大学信息科学与工程学院,湖南 长沙 410208

肺癌 SMOTE过采样 特征选择 遗传算法 集成算法 XGBoost

湖南省教育厅重点项目

21A0250

2023

10.16644/j.cnki.cn33-1094/tp.2023.11.028

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(11)
  • 4