乳腺癌是现代女性最常见的恶性肿瘤之一,随着医学治疗手段的进步,乳腺癌的生存率已经得到了很大的提升,但是从二十世纪七十年代末起至今它的发病率一直在增加,已经严重威胁了女性的身心健康。在中国,乳腺癌在女性恶行肿瘤中位居榜首,具有发病年龄早,就诊病期晚的特点。乳腺癌的早期诊断对于后期的治疗很有帮助,但目前的确诊率并不理想。随着世界范围内各种新发癌症病例的增多,癌症患者的异质性愈发明显,因此癌症的研究和治疗依旧是人类面临的重要挑战。为了解决乳腺癌的异种类型,对其进行重新分型是主要挑战。本文主要从两方面展开研究,运用机器学习的技术对乳腺癌的良恶性进行预测和对Luminal B型的乳腺癌患者进行再分型。第一方面,乳腺癌的良恶性预测。现有的方法中主要侧重考虑预测的准确率,但是对于疾病的预测来说,将患者误判为不是患者的坏处远远大于将不是患者的病人误判为患者。对于乳腺癌的良恶性预测采用的是乳腺肿瘤细胞团的细针抽吸的数字化成像的特征数据,通过构建预测模型将乳腺癌分为良性与恶性。首先进行探索性数据分析,并根据分析结果进行数据预处理,之后使用多种算法进行建模以及特征分析。在预测过程中,使用了Ada Boost、支持向量机、随机森林和神经网络等预测算法。第二方面,乳腺癌的再分型。将乳腺癌的分型更加细致化,分析亚型的临床特征,最终得出亚型的临床意义,便于后续更加有效的治疗。虽然有许多研究者致力于乳腺癌的再分型,并在分型的基础上找到了可能的靶点,但由于其结果与预后关系不大,临床效果并不理想。对于分型,使用肿瘤基因组计划(TCGA)的乳腺癌数据对Luminal B型乳腺癌进行再分型的研究。对于乳腺癌的再分型,采用基于无监督学习的聚类方法在TCGA乳腺癌的数据集上进行了研究。本文的创新点主要有以下两点:1)本文提出基于权重和密度的聚类算法。基于权重和密度的聚类算法是通过计算每一个特征对簇内距离和簇间距离的贡献率,为每一个特征分配权值,使用权重测量每个特征对其簇的影响程度。2)在基因分析上,将生存分析贯穿整个过程,这样可以保证最终得到的基因与预后是有关的,整个分析过程都紧密与预后相结合。最终对乳腺癌的Luminal B型乳腺癌进行了分型,并对分好的类型进行了基因分析和病理分析。