基因微阵列数据的应用在目前的疾病预测研究中效果显著,它能帮助提高医疗效率和改善医疗效果。然而伴随着医疗领域信息化发展的不断加快,医疗行业面临到了海量数据以及非结构化数据的挑战。大量纷繁多样的数据使得预测模型难以建立,预测性能不甚理想。本文主要是针对基因微阵列数据进行分析预测,进行了如下研究:(1)本文介绍与讨论了对基因微阵列数据集中的重要属性进行字段筛选的方法。从而提取出非结构化的基因微阵列数据里面的重要属性。并选用了极限学习机算法对筛选出来的样本数据建立预测模型,找出数据中标签与特征之间的映射规则,从而利用训练得到的预测模型进行疾病预测。极限学习机(ELM)是一种速度非常快的数据挖掘算法,该算法利用最小二乘原理建立预测值与实际值之间的关系表达式,再利用广义逆原理求解满足关系式的最小范数最小二乘解即预测模型中的重要系数,建立出最终的预测模型。它的泛化能力和求解速度均优于传统的神经网络算法、决策树、支持向量机(SVM)等预测算法。(2)本文对预测模型进行优化的原因在于,在进行数据采样时,数据维度映射到高维空间后,样本数据集中的某一部分样本数据被误归入了其他分类,因此非结构化的基因微阵列数据样本中存在不同比例的异常值,所以极限学>习机(ELM)算法的泛化能力-与预测精度受到影响。本文对造成极限学习机(ELM)算法性能低下的原因做出分析得出,在进行预测模型建立的时候,训练算法将每个样本都进行了相同的处理,必然存在异常的样本数据影响预测模型的性能,为了减小错误样本数据对预测模型性能的影响,文章可提出了对样本数据的输入进行加权的解决办法,优化出两种算法,分别是加权的极限学习机(WELM)与双加权的极限学习机(BWELM)。(3)本文利用加州大学欧文分校(UCI)机器学习库所提供的4组基因微阵列疾病数据集分别对传统的极限学习机与单、双加权后的极限学习机进行了预测算法分析的实验,实验给出了在不同异常值(异常值比例从0至0.3)时各个算法的预测性能。实验结果分析指出,在存在异常值的情况下,经过加权处理后过的极限学习机算法的预测精度更高。