基于机器学习的方法用于肺癌分期分类的综合分析
计算机视觉与模式识别
2025-01-31 v1 人工智能
摘要
肺癌是全球公共卫生的重大问题，需使用稳定技术进行早期诊断。本工作对使用机器学习 (ML) 方法对肺癌分期进行精确分类进行彻底的调查。对模型性能进行审慎的分析，以克服过拟合问题，考虑最小子权重和学习率。一组机器学习 (ML) 模型，包括 XGBoost (XGB)、LGBM、Adaboost、Logistic 回归 (LR)、决策树 (DT)、随机森林 (RF)、CatBoost 和 k 近邻 (k-NN)，被系统地运行并进行对比。此外，还使用深度神经网络 (DNN) 模型检查特征与目标之间的相关性，从而确立其在检测复杂模式方面的能力。我们认为，几种 ML 模型可以以极高的准确性对肺癌分期进行分类。尽管 DNN 架构复杂，诸如 XGBoost、LGBM 和 Logistic 回归等传统 ML 模型在性能方面表现出色。这些模型在肺癌预测中优于其他模型，综合指标如准确率、精确率、召回率和 F1 分值表现更佳。
引用
@article{arxiv.2501.18294,
title = {A Comprehensive Analysis on Machine Learning based Methods for Lung Cancer Level Classification},
author = {Shayli Farshchiha and Salman Asoudeh and Maryam Shavali Kuhshuri and Mehrshad Eisaeid and Mohamadreza Azadie and Saba Hesaraki},
journal= {arXiv preprint arXiv:2501.18294},
year = {2025}
}