Método eficiente para classificação do câncer de mama baseado em árvore de Hoeffding em conjunto com Naïve Bayes

O tipo de câncer mais perigoso sofrido por mulheres acima de 35 anos de idade é o câncer de mama. Conjuntos de dados sobre câncer de mama são normalmente caracterizados por dados ausentes, alta dimensionalidade, distribuição não normal, desbalanceamento de classes, ruído e inconsistência. A classificação é um processo de aprendizado de máquina (ML) que desempenha um papel significativo na previsão de resultados, e um dos métodos de classificação supervisionada destacados na mineração de dados é a Classificação de Naive Bayes (NBC). A Classificação de Naive Bayes é eficaz na previsão de resultados e muitas vezes supera outras técnicas de classificação. Uma das razões para esse forte desempenho da NBC são as suposições de independência condicional entre os parâmetros iniciais e os preditores. No entanto, essa suposição nem sempre é verdadeira e pode causar perda de precisão. As árvores de Hoeffding assumem a adequação do uso de uma pequena amostra para selecionar o atributo de divisão ótimo. Este estudo propõe um novo método para melhorar a precisão da classificação de conjuntos de dados sobre câncer de mama. O método propõe o uso de árvores de Hoeffding para classificação normal e Naïve Bayes para reduzir a dimensionalidade dos dados.