Evaluación del rendimiento de los métodos de aprendizaje automático para la predicción del cáncer de mama

El cáncer de mama es el cáncer invasivo más común en mujeres y la segunda principal causa de muerte por cáncer en féminas, el cual puede clasificarse como Benigno o Maligno. La investigación y prevención del cáncer de mama ha atraído más atención de los investigadores en los últimos años. Por otro lado, el desarrollo de métodos de minería de datos proporciona una forma efectiva de extraer información más útil de bases de datos complejas, y se pueden realizar algunas predicciones, clasificaciones y agrupaciones según la información extraída. En este estudio, para explorar la relación entre el cáncer de mama y algunos atributos de manera que se pueda reducir la probabilidad de muerte por cáncer de mama, se utilizan cinco modelos de clasificación diferentes, incluidos Árbol de Decisión (DT), Bosque Aleatorio (RF), Máquina de Vectores de Soporte (SVM), Red Neuronal (NN) y Regresión Logística (LR) para la clasificación de dos conjuntos de datos diferentes relacionados con el cáncer de mama: el Conjunto de Datos de Cáncer de Mama de Coimbra (BCCD) y la Base de Datos de Cáncer de Mama de Wisconsin (WBCD). Se utilizan tres indicadores, incluidos los valores de precisión de predicción, la métrica F-medida y los valores de AUC, para comparar el rendimiento de estos cinco modelos de clasificación. El análisis de experimentos comparativos muestra que el modelo de bosque aleatorio puede lograr un mejor rendimiento y adaptación que los otros cuatro métodos. Por lo tanto, se aprueba que el modelo de este estudio posee valores clínicos y de referencia en aplicaciones prácticas.