乳腺癌是全球女性发病率居首位的恶性肿瘤,对女性健康、国民经济和社会发展都造成了极大的影响,已成为当前社会的重大公共卫生问题。乳腺癌发病隐匿,确切病因尚未完全明确,一般认为与遗传、生育、行为生活习惯等多种内在和外界的因素共同作用有关。早期乳腺癌通过规范化治疗,治愈率较高;中晚期乳腺癌虽可延长患者生存期,却难以彻底治愈。由于人们早发现、早诊断、早治疗的健康意识淡薄,加之我国人口众多、医疗卫生资源有限等因素,很难实现全国范围内的乳腺癌筛查工作。因此开展乳腺癌预测模型的研究,及时筛选出乳腺癌高危人群,从而有的放矢显得尤为重要。课题引入代价敏感学习算法,对乳腺癌预测模型进行研究,进而实现对高危人群的筛选,达到乳腺癌辅助检测的目的。本文的主要工作内容如下:(1)数据分析。课题收集并整理1031位就诊者的临床诊疗数据。分别对训练数据(数据集1)中定量因素之间的独立性,以及各因素在病例组和对照组之间的差异性进行分析。将具有统计学意义的影响因素变量纳入乳腺癌危险因素中,并组建新的实验数据集(数据集2)。(2)提出了一种基于阈值优化Logistic回归的乳腺癌预测模型。针对实验数据存在的不平衡问题,实验采用优化分类阈值的方法提升Logistic回归模型的预测性能。本文分别对数据集1和数据集2构建Logistic回归模型,并且通过查准率-查全率曲线评价改变阈值对模型性能的影响效果。实验表明,数据集2构建的Logistic回归模型设置阈值为0.031时,模型Main_Logistic_Model预测性能最高,其AUC值为75.08%,敏感度为71.43%。(3)提出了一种基于代价敏感决策树C5.0的乳腺癌预测模型。在不平衡问题中,不同的分类错误会导致不同的分类代价。实验通过引入代价矩阵(cost matrix)的方法,分别对数据集1以及数据集2构建的决策树C5.0预测模型进行优化。实验表明,数据集1构建的决策树C5.0模型,设置c(A)/c(B)比值为18/1时,模型C5.0_Model的预测性能最优,其AUC值为89.37%,模型的敏感度更是高达100.00%。(4)设计并实现了乳腺癌预测系统。针对本文提出的两种不同的分类器,制定合理的系统算法,设计并实现乳腺癌预测系统。其包括用户端和管理员端。用户端通过收集用户相关指标,实现对女性乳腺癌的患病风险进行预测,及时有效的筛选出高危人群,对于乳腺癌的辅助检测,具有积极意义。