[发明专利]一种基于乳腺癌临床高维数据的分层重要特征选择方法

摘要

本发明公开了一种基于乳腺癌临床高维数据的分层重要特征选择方法。本发明的特征选择方法包括统计特征选择和集成特征选择，其中统计特征选择采用单因素分析法，通过不同的统计检验初步选择出对结局变量有显著影响的特征；集成特征选择通过建立梯度提升树模型，经过模型训练后得到特征重要性评分，然后使用经过设计和验证的重要性评分阈值，来实现对结局变量有重要影响的特征选择。本发明可有效克服临床乳腺癌预测建模过程中的数据特征维度过高、冗余特征过多和数据杂乱等问题。可排除临床乳腺癌高维数据中冗余或无意义的特征，从而选择尽量少且对乳腺癌建模有重要影响的特征，保证乳腺癌模型的准确性和实用性。

主权项

1.一种基于乳腺癌临床高维数据的分层重要特征选择方法，其特征在于，包括以下步骤：统计特征选择处理：对原始临床数据进行特征提取并进行清洗处理，得到原始特征集合Fn；计算原始特征集合Fn中的每个维度的特征Fi的显著性值；由显著性值小于预设阈值的特征Fi构成统计特征集合Fm；集成特征选择处理：获取统计特征集合F_m中的各特征F_i的重要性评分均值设置不同的随机数种子，基于随机数种子选择包含统计特征集合F_m的训练数据，建立梯度提升树模型，输出统计特征集合F_m中的各特征F_i在当前随机数种子下的重要性评分Score_i，对所有随机数种子下的重要性评分Score_i取平均得到各特征F_i的重要性评分均值基于预设的重要性评分阈值，由统计特征集合F_m中的重要性评分均值大于重要性评分阈值的特征F_i构成重要特征集合F_e。