关键词： 机器学习   COX回归   预后模型   可解释性   SEER  

摘要： 泌尿系统恶性肿瘤,包括肾癌、输尿管癌、膀胱癌和前列腺癌。根据在JNCC(Journal of the National Cancer Center)上发布2022年中国恶性肿瘤疾病负担情况,恶性泌尿肿瘤总发病人数约为23万人,死亡人数约为9万人,在所有癌种中排在了第七位,患者预后显得尤为重要。预后模型在预测癌症患者其疾病的发展进程或其出现特定结局的风险的工作中起着十分重要的作用。目前在临床上已经应用了包括美国癌症联合委员会(American Joint Committee on Cancer,AJCC)TNM分期系统和列线图等多种医学评分预后模型,但这些模型都基于统计回归模型,其预测准确性低,难以满足临床需求。近年来,机器学习模型在临床上的应用发展迅速,但因其缺乏可解释性难以在临床上实际应用。因此,本文使用机器学习算法对泌尿肿瘤患者的生存预后进行预测,并研究选择适用的可解释性方法,以期更高效、更准确和更具有可解释性的预后模型来识别估计生存预后较差的患者,从而改善泌尿肿瘤患者的预后。本研究做出以下工作: 1.使用机器学习模型对膀胱癌患者生存率进行预测,用于更准确地预测膀胱癌患者预后。针对目前膀胱癌预后模型以统计回归模型为主,其预测准确率低的问题,本文利用随机森林(Random Forest,RF)和梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型进行预测。其中GBDT模型的预测效果最好,其中一年生存率的预测准确率达到0.874,AUC(Area Under the Curve)值达到0.833,与作为对比基准模型的COX回归相比,能够更准确地预测膀胱癌患者的生存率。 2.构建输尿管癌患者的生存率列线图,用于临床更准确地预测输尿管癌患者预后。针对输尿管癌现有传统学预后模型研究不足且AJCC分期系统预测准确率低的问题,本文为输尿管癌患者构建一个列线图模型。通过对列线图可视化,临床工作者能够更方便地对输尿管癌患者进行个体化的预后评估,从而为患者提供更加精准和个性化的治疗方案。 3.分析基于可解释性机器学习模型的输尿管癌患者生存率预测,确定适用于临床应用的最佳方案。使用基于RF和GBDT模型进行预测,并对模型进行评估。对于模型的可解释,使用了多种可解释性方法,包括特征排序重要性、部分依赖图(Partial Dependence Plot,PDP)、个体条件期望图(Individual Conditional Expectation,ICE)、全局代理模型(如决策树)等,来确定对模型预测最具影响力的特征。结果表明,RF模型表现最佳,其AUC值相比于列线图提升了4.3%。对于模型的可解释性,全局代理的决策树模型更适合临床实际应用。最终得到基于RF的输尿管癌生存预测模型结合全局代理的决策树模型可用于临床上对输尿管癌患者的生存预测分析。 本文利用机器学习算法对膀胱癌和输尿管癌患者的生存预后进行预测,提高了预测准确性,满足了泌尿肿瘤患者预后的临床需求。此外,对基于机器学习的输尿管癌生存预测模型使用了多种事后可解释性方法进行分析,最终选定全局代理模型为最优方法,与输尿管癌生存预测模型相结合,可用于临床上的实际应用,进而辅助医生进行临床决策。

关键词： 股票分类预测   机器学习   上证50指数   投资者情绪  

摘要： 如何有效的对股票收益率涨跌进行预测一直是金融领域的研究热点之一,利用传统方法进行预测往往基于统计和经验规则,其局限性逐渐显现,相比之下,机器学习作为一种自动化的数据分析技术,具有更大的潜力应用于股票相关的预测分析当中。 本文利用多种机器学习模型,以上证50指数成分股中的35家公司为对象,选择2010年1月1日至2023年5月1日的时间区间,对公司在财务报表公布日之后的第一个交易日的股票收益率涨跌情况进行分类预测。首先,利用财务指标结合10种机器学习模型,对股票的收益率涨跌情况进行分类预测。其次,使用财务指标结合投资者信心指数,利用10种单个的机器学习模型对股票收益率涨跌情况进行分类预测,以查看投资者信心指数的引入是否有助于提高分类预测能力。第三,从前面表现较好的8种单个模型中选出5种,使用MLP、KNN、SVM、RF以及GPC其中一种轮流作为元模型,构建两层的堆叠模型,然后使用财务指标结合投资者信心指数对股票收益率进行涨跌分类预测,以探究结合多种模型的两层堆叠模型能否在前面研究的基础上进一步提高股票涨跌的分类预测准确率。第四,由于在两层堆叠模型中,以RF为元模型的两层堆叠模型表现最好,因此在上一步的基础上考虑直接构建以随机森林为最终学习器的三层的堆叠模型,继续探究更复杂的模型能否再次提高分类预测准确率。 本文的研究结论如下:(1)单独使用财务指标对股票涨跌情况的预测能力较差,且大多数机器学习模型的整体准确率低于50%,并不具有应用的能力;(2)引入投资者信心指数以后,8种模型的整体准确率均有不错的提升,而岭回归模型的整体准确率有所下降,Logistic模型略有上升;(3)利用财务指标和投资者信心指数进行分类预测的5种两层堆叠模型表现都较好,优于大多数的单个模型。而以随机森林为元模型的两层堆叠模型表现最好,整体预测准确率达到了68.81%,优于上述的所有模型;(4)结合财务数据以及投资者信心指数对股票涨跌进行分类预测时,三层堆叠模型的Accuracy、Precision、Recall以及F1score值均优于上述所有模型的结果,且三层堆叠模型在测试集上的整体预测准确率达到了73.33%,而利用该三层堆叠模型对新数据进行预测的整体准确率也达到了68.57%;(5)投资者信心指数的引入确实能够在一定程度上提高大多数单个机器学习模型的分类预测能力,但结合多个机器学习模型构建更复杂的堆叠模型,预测的准确率更高。

关键词： 零售商超   销量预测   库存分类   机器学习  

摘要： 对于大型零售商超来说，销量预测是至关重要的，它直接影响着补货计划和库存管理，能够帮助降低库存成本、提高周转效率，提升客户满意度，使整体供应链更加具有竞争力。然而在实践中销量预测往往面临着种种挑战。　　本文的研究对象D公司，作为一站式全渠道数字零售解决方案服务商，致力于为零售商超探索切实可行的基于销量预测的自动补货方案。本研究通过对D公司进行实践调研，发现D公司既有的预测方法存在一定的局限性。因此，本文基于对D公司的实践调研结果，将通过实证研究，帮助D公司选取更先进、更优秀的销量预测方法，以提高销量预测的准确性和效率，从而更好地为零售商超客户提供服务。　　本文分别构建了基于XGBoost、LightGBM和CatBoost机器学习算法的三个销量预测模型，选取真实的大型零售商超销售数据集对以上三个模型进行对比研究。实验结果显示，无论是从预测精度还是训练时间维度，基于LightGBM的模型都优于其他两种机器学习模型，且预测结果与真实销量之间的拟合度显著优于D公司目前的销量预测方法。实验结果表明LightGBM模型可以较好地用于处理海量数据、多特征背景下的大型超市商品销量预测问题，取得比较理想的预测结果。　　在此基础上，本文进而提出一种基于库存分类与机器学习算法的预测模型以进一步优化上述模型。实验结果再一次验证了 LightGBM的优势，并且表明在基于机器学习算法的销量预测建模中，尽管引入库存分类并不是一定能够提高预测精度，但可以显著降低计算量，这对于大型零售商超市具有实际意义。因此，本文的结论为D公司和大型零售商超在销量预测方法的选择上提供了新的思路和解决方案，在实际应用时需要综合考虑具体企业的具体情况和需求。