乳がん予測のための機械学習手法の性能評価

乳がんは女性における最も一般的な侵襲的癌であり、女性の癌による死亡の第二の主な原因であり、良性または悪性に分類されます。近年、乳がんの研究と予防は研究者の関心を集めています。一方で、データマイニング手法の開発は、複雑なデータベースからより有用な情報を抽出する効果的な方法を提供し、抽出された情報に基づいて予測、分類、クラスタリングを行うことが可能です。本研究では、乳がんといくつかの属性との関係を探求し、乳がんによる死亡確率を減少させるために、決定木（DT）、ランダムフォレスト（RF）、サポートベクターマシン（SVM）、ニューラルネットワーク（NN）、およびロジスティック回帰（LR）を含む5つの異なる分類モデルを使用して、乳がんに関連する2つの異なるデータセット、ブレストキャンサーコインブラデータセット（BCCD）およびウィスコンシン乳がんデータベース（WBCD）の分類を行います。予測精度値、F値指標、およびAUC値を含む3つの指標を使用して、これら5つの分類モデルの性能を比較します。比較実験分析は、ランダムフォレストモデルが他の4つの方法よりも優れた性能と適応性を実現できることを示しています。したがって、本研究のモデルは実際のアプリケーションにおいて臨床的および参考的な価値を持つことが承認されています。