随着大数据与信息技术的崛起,逐渐渗透到各个领域,其中医疗行业是应用最广泛的领域之一。利用医疗数据进行构建相关体系的模型预测,对提供及时有效的医疗决策具有重要的现实意义。而癌症是医学界的难题,因此如果能够实现对癌症存活性的分类预测,那么就能帮助医生在癌症治疗时做出更正确的医疗决策。肺癌位于癌症死亡率首列,每年有成千上万人死于肺癌,因此本文拟对肺癌数据进行存活性分类预测。使用美国国家癌症研究所SEER数据库的肺癌数据,基于两种优化策略,提出改进随机森林模型实现对肺癌存活性的分类预测。本文主要工作和研究结果包括:（1）对SEER数据库中的肺癌数据进行分析。首先对肺癌数据的来源、获取方法及属性进行了详细介绍,然后通过对肺癌原始数据进行数据可视化、数据清洗转换、类别特征one-hot处理和归一化等操作进行预处理,最后使用欠采样方法来解决肺癌数据不平衡的问题,并利用随机森林算法进行了重要性特征分析。（2）GA-RF肺癌存活性模型的构建。随机森林（Random Forest,RF）模型在构建过程中会产生多个决策树,决策树的数量会对模型的性能产生不同程度的影响;另外在构建最优模型时,其算法中决策树的最大深度也会影响模型拟合程度。因此寻找最优决策树数量以及最适决策树深度可以提高模型的分类性能,最终使用遗传算法（Genetic Algorithm,GA）对随机森林算法中的决策树数量（n＿estimators）和最大深度（max＿depth）进行参数进化搜索,寻找最优的决策树数量和最大深度组合,构建GA-RF肺癌存活性分类模型,并将改进后的方法与随机森林算法进行比较,实验结果显示改进后的算法具有更高的准确性和泛化性。（3）RF-LG与RF-LGC肺癌存活性预测模型的构建。针对GA-RF模型中遗传算法在搜索过程中存在局部最优解并且随机森林模型处理复杂样本性能较差的问题。对遗传算法优化后的随机森林模型进行分析,最终采用Light GBM（Light Gradient Boosting Machine）和Cat Boost（Categorical Boosting）算法结合Stacking集成算法的思想,构建RF-LG与RF-LGC两种肺癌预测模型。通过调整模型参数、分层十折交叉验证和对比试验的策略进行实验,实验证明,融合模型的偏差比较低,对噪点较为敏感,处理类别型、数值型特征能力强。