改进的随机森林算法在乳腺肿瘤诊断中的应用.PDFVIP

第３３卷第４期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．４ ２０１６年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１６ 改进的随机森林算法在乳腺肿瘤诊断中的应用 王　平　单文英 （南昌大学信息工程学院　江西南昌３３００３１） 摘　要　　为了解决乳腺肿瘤诊断中误差代价敏感的不平衡分类问题，提出一种改进的随机森林算法的乳腺肿瘤诊断模型。首先， 在随机森林算法的基础上，将良恶乳腺肿瘤样本的诊断性能分开考虑，利用随机森林的泛化误差上界相关因素推导出ＲＯＣ曲线的 查全率（ＴＰＲ）和误警率（ＦＰＲ）的上界值。给出针对特定类别优化分类性能的基准，绘制出不同决策阈值下的ＴＰＲ和ＦＰＲ值的ＲＯＣ 曲线，调整平均关联度，再次训练，依据ＲＯＣ曲线性能，确定最优平均关联度的诊断模型。最后，将该改进的随机森林算法与传统方 法的诊断性能进行对比。实验结果证明，提出的方法模型在保证整体的诊断性能的前提下，对于提