针对当前乳腺癌预测模型存在性能不足和可解释性差的问题,提出一种融合CatBoost和SHAP的乳腺癌预测及特征分析模型。首先,对原始乳腺癌数据集进行异常值处理和数据归一化处理等工作,以提高数据的质量。然后,基于CatBoost建立乳腺癌预测...针对当前乳腺癌预测模型存在性能不足和可解释性差的问题,提出一种融合CatBoost和SHAP的乳腺癌预测及特征分析模型。首先,对原始乳腺癌数据集进行异常值处理和数据归一化处理等工作,以提高数据的质量。然后,基于CatBoost建立乳腺癌预测的模型,并进行泛化能力分析。最后,将预测模型结合SHAP进行可解释分析,以探索影响乳腺癌的关键因素。使用威斯康星大学的Breast Cancer Wisconsin (Diagnostic)数据集验证该模型,结果表明:Accuracy值为99.30%,Precision值为99.50%,Recall值为98.91%,F1值为99.19%,均优于现有文献。其中Accuracy指标提升1.12~6.90个百分点,Precision指标提升2.00~7.50个百分点,Recall指标提升2.41~6.91个百分点,F1值提升2.19~7.19个百分点,以此验证本文模型的优越性。此外,SHAP模型得出影响乳腺癌的核心因素有concave points_worst(乳腺组织细胞核凹点极值)、perimeter_worst(乳腺组织细胞核周长极值)、area_worst(乳腺组织细胞核面积极值)等,这为医生诊断提供原理性支撑。展开更多
文摘针对当前乳腺癌预测模型存在性能不足和可解释性差的问题,提出一种融合CatBoost和SHAP的乳腺癌预测及特征分析模型。首先,对原始乳腺癌数据集进行异常值处理和数据归一化处理等工作,以提高数据的质量。然后,基于CatBoost建立乳腺癌预测的模型,并进行泛化能力分析。最后,将预测模型结合SHAP进行可解释分析,以探索影响乳腺癌的关键因素。使用威斯康星大学的Breast Cancer Wisconsin (Diagnostic)数据集验证该模型,结果表明:Accuracy值为99.30%,Precision值为99.50%,Recall值为98.91%,F1值为99.19%,均优于现有文献。其中Accuracy指标提升1.12~6.90个百分点,Precision指标提升2.00~7.50个百分点,Recall指标提升2.41~6.91个百分点,F1值提升2.19~7.19个百分点,以此验证本文模型的优越性。此外,SHAP模型得出影响乳腺癌的核心因素有concave points_worst(乳腺组织细胞核凹点极值)、perimeter_worst(乳腺组织细胞核周长极值)、area_worst(乳腺组织细胞核面积极值)等,这为医生诊断提供原理性支撑。
