预测乳腺癌的机器学习方法：孟加拉国视角
机器学习
2022-07-01 v1
摘要
如今，乳腺癌已上升为近年来最主要的死亡原因之一。在所有恶性肿瘤中，这是全球女性中最常见且主要的死亡原因。手动诊断该疾病需要相当多的时间和专业知识。乳腺癌检测耗时，而通过开发基于机器的乳腺癌预测可减缓疾病传播。在机器学习中，系统可以从先前的实例中学习，并使用各种统计、概率和优化方法从噪声或复杂数据集中发现难以检测的模式。本工作比较了若干机器学习算法在新收集的数据集上的分类准确率、精确率、灵敏度和特异度。本工作中实现了决策树、随机森林、逻辑回归、朴素贝叶斯和XGBoost这五种机器学习方法，以在我们的数据集上获得最佳性能。本研究侧重于寻找能够以最大准确率按类别预测乳腺癌的最佳算法。本工作从效率和有效性方面评估了每种算法的数据分类质量，并与该领域其他已发表的工作进行了比较。在模型实现后，本研究取得了最佳模型准确率，随机森林和XGBoost上均为94%。
引用
@article{arxiv.2206.14972,
title = {Machine Learning Approaches to Predict Breast Cancer: Bangladesh Perspective},
author = {Taminul Islam and Arindom Kundu and Nazmul Islam Khan and Choyon Chandra Bonik and Flora Akter and Md Jihadul Islam},
journal= {arXiv preprint arXiv:2206.14972},
year = {2022}
}
备注
15 pages, 9 figures, accepted for publication as a book chapter to 2nd International Conference on Ubiquitous Computing and Intelligent Information Systems