同济大学学报(自然科学版)

作者：段春艳，刘千拓，王佳洁，管迪，尤筱玥

单位：1.同济大学 机械与能源工程学院，上海 201804;2.西安交通大学 管理学院，陕西 西安 710049;3.同济大学 中德工程学院，上海 201804

关键词：智能诊断,分类预测,Stacking集成学习,机器学习,综合采样

基金：国家自然科学基金（72171170）；中央高校基本科研业务费专项资金（22120210535）

整合创新数据预处理方法和机器学习算法，根据乳腺癌威斯康星州诊断数据集构建了智能预测模型。首先，采用以LightGBM（Light Gradient Boosting Machine）为基模型的特征递归消除法进行特征选取；其次，使用结合ADASYN（adaptive synthetic sampling）过采样和OSS（one-sided selection）欠采样的综合采样进行数据不平衡处理，得到均衡的训练数据集；最后，以MLP（multilayer perception）、LightGBM、CatBoost（categorical boosting）作为基学习器，逻辑回归模型作为元学习器构建了基于Stacking集成学习的智能诊断模型，并通过5折交叉验证和准确率、敏感度、受试者操作特征曲线的下方面积等多项分类预测指标进行评估。实验结果显示所提出的模型能够达到98.2%的预测准确率，具备稳定且优秀的分类预测性能，能够为乳腺癌的临床诊断提供强有力的决策支持。

来源：2025年第6期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2025年第6期