目的:1、基于多分类ROC评价探讨最大信息系数结合递归特征消除法进行特征选择的效果;2、基于多分类ROC评价支持向量机与K近邻学习模型的分类效果。方法:首先进行数据的收集,在GEO平台上,利用结直肠癌、结直肠肿瘤、结直肠腺瘤、结肠癌、直肠癌等词为关键词进行相应的检索,再利用入选标准和排除标准选择结直肠癌的基因表达数据。计算出单个基因的最大信息系数以系数大于等于0.4817为阈值进行特征选择;其次利用随机森林的5折-交叉验证的递归特征消除法进行特征的选择;然后将前两步选择的特征代入到支持向量机与K近邻学习中进行模型的学习,其中训练集和验证集的比例为7:3。最后利用宏平均法计算多分类ROC曲线下面积。上述数据处理和分析在软件Python 3.7中完成。结果:本研究收集到GEO平台上GSE10714、GSE37364、GSE41657、GSE50114、GSE50115共5个数据集,其中GSE50114与GSE50115为来自同一实验的不同数据集。GSE10714数据集中有癌样本7例,腺瘤样本5例,正常样本3例。GSE37364数据集中有癌样本27例,腺瘤样本29例,正常样本38例。GSE41657数据集中有癌样本25例,腺瘤样本51例,正常样本12例。GSE50114与GSE50115两个数据集共有癌样本9例,腺瘤样本37例,正常样本9例;五个数据集共有相同基因9827个。在特征提取中,经过最大信息系数选择出55个基因,在后续的交叉验证递归特征消除法的特征提取中选择出了51个基因,分别为ACAT1、ADAMDEC1、ADH1C、AHCYL2、AJUBA、APPL2、C1QC、C5orf30、CA2、CASP7、CDH3、CHGA、CHP2、CLDN1、COL1A1、CXCL3、DHRS11、FBLIM1、GDF15、GLA、GLTP、GNA11、GNA13、GTF2IRD1、HPGD、HSD11B2、ISX、MAOA、MMP7、MPEG1、NEBL、NFE2L3、NR3C2、PHF19、PHLDA1、PPAP2A、PXMP2、RNF43、S100A2、SLC29A1、SLCO4A1、SMPDL3A、SORD、SPPL2A、STAP2、STX12、SULT1A1、TNS4、TPD52L2、TSPAN7、UGP2。将特征基因代入线性支持向量机中,利用宏平均法计算出的曲线下面积为0.9710（正常、腺瘤与癌三个类别的曲线下面积分别为0.9857、0.9632和0.9412）。将未经过特征选择的原始数据也代入以线性函数为核函数的支持向量机,利用宏平均法计算出的曲线下面积为0.9627（正常、腺瘤与癌三个类别的曲线下面积分别为0.9823、0.9389和0.9389）。将筛选出的特征基因与未筛选过的基因代入线性函数为核函数的支持向量机利用宏平均法计算出的曲线下面积值具有统计学差异（P<0.05）。将筛选出的特征基因代入到K近邻学习模型中进行分类,利用宏平均法计算出的曲线下面积为0.9555（正常、腺瘤与癌三个类别的曲线下面积分别为0.9895、0.9319和0.8998）,将未经过特征选择的原始数据也代入K近邻学习模型中,利用宏平均法计算出的曲线下面积为0.9496（正常、腺瘤与癌三个类别的曲线下面积分别为0.9895、0.9191和0.8773）。将筛选出的特征基因与未筛选过的基因代入到K近邻学习模型利用宏平均法计算出的曲线下面积值具有统计学差异（P<0.05）。将筛选出的特征基因分别代入线性函数为核函数的支持向量机和K近邻学习模型中利用宏平均法计算出的曲线下面积值差异无统计学显著性（P>0.05）。结论:多分类ROC在多分类识别中具有良好的应用前景,最大信息系数结合递归特征消除法进行特征选择的组合能提高机器学习模型的效能,在多分类数据中利用支持向量机和K近邻学习模型进行分类都具有良好的效果。