当今社会,肿瘤是死亡率最高的疾病之一。目前尚未有能够完全根治的办法,在临床医学上也只能从预后检查治愈的程度,而且不能够保证不再复发。随着生物信息技术的发展以及医疗水平的提高,依托于计算机存储技术和芯片技术的发展,越来越多的生物医疗数据得以保存。通过计算机技术、机器学习、数据挖掘等挖掘有用的医疗数据信息,对于精准的预测肿瘤的恶化程度,进一步的治疗肿瘤是目前研究的热点。人类的生命机制有着复杂的调控机制,每一个生命活动都有着成千上万的基因,每个不同的生命过程都产生着不同的中间产物。常见的针对这些过程的数据包括甲基化组学数据、转录组学数据、蛋白质组学数据等。本文使用前两种组学的数据。在生物体内,甲基化在经历过酶的催化之后进行重金属的修饰、基因表达过程的控制、蛋白质功能的控制以及核糖核酸的加工等一系列的功能。转录组则是DNA转录的产物,用于研究特定的细胞以及器官的各类核糖核酸的产量以及类型。现有研究表明,甲基化组学数据以及转录组学数据和肿瘤的产生、发育有着密切的关系。对于肿瘤的分期来说,研究这些数据有着十分重要的作用。然而,肿瘤的组学数据通常具有样本数少基因数目多的特点——“大p小n”的分布特点。直接采用这样的数据进行建模,不仅仅会导致模型的复杂度太高、执行效率低,还会导致过拟合,预测的性能差。然而,去除冗余特征、降低数据的维度是解决这类问题的一个有效途径。依据乳腺癌的甲基化组学数据和转录组学数据,针对不同的问题类型,本文提出了两种特征选择方法,对乳腺癌的分期进行了一系列的研究。对于第一种方法,本文针对肿瘤分期之间的连续关系,结合分类和回归的方法,提出了三步整合特征选择方法(“LR_BackFS”)。首先使用Lasso回归稀疏化处理原始数据并选取特征的参数权重不为零的特征,然后使用递归特征消除删除对预测模型贡献度小的特征,最后使用BackFS删除冗余特征。对于多组学数据,该方法从55万多个特征中选择了259个特征。opt(acc*r2)达到了72.24%,准确率(acc)达到了95.07%,R2达到了75.98%。对于第二种方法,本文提出了四步的混合特征选择方法(“LMRFELRSOR”),采用了“OR”策略,利用“LMRFELRS”方法进行特征选择。“LMRFELRS”方法主要分为四步:第一步:使用正则化方法稀疏原始训练数据,选取不为零的特征。第二步:采用基于惩罚项和基于树的特征选择策略。第三步:采用递归特征删除对模型贡献程度低的特征。第四步:使用改进的启发式的增L去R的搜索策略去除冗余特征。“OR”策略首先选择样本数目相近的样本进行二分类,然后汇总多个结果。最终,“LMRFELRSOR”方法在55万多的特征中,选取了173个特征,达到了99.09%的预测准确度。