基于距离度量的癌症预测分类算法研究

摘要

为了提高分类算法的效率及准确性，提出一种基于距离度量的二分类算法模型并应用于癌症识别领域。首先，利用k-means聚类找到数据集的聚类中心，计算每个样本点到聚类中心的曼哈顿距离、余弦相似度和马氏距离。其次，采用距离度量替换原有属性放入GBM和XGBoost分类器进行学习的方式来压缩数据属性，以减少分类器的训练压力、提高训练效率，并用训练好的模型对测试集进行预测。最后，设计3组不同训练方式进行对比试验，用分类评估标准评估模型性能，并控制参数从多个角度验证TCDM的合理性。试验结果表明，TCDM相较于其他分类模型在癌症识别领域中有更高的性能和准确率。

关键词

分类算法 / 余弦相似度 / 马氏距离 / 曼哈顿距离 / k-means聚类