机器学习算法在肺癌患者术后生存期预测中的性能评估
机器学习
2015-04-21 v1
摘要
临床数据的性质使得快速选择、调优和应用机器学习算法进行临床预后变得困难。因此，大量时间被用于搜索适用于临床预后的最合适的机器学习算法，这些算法包含二值或多值属性。本研究旨在识别并评估应用于肺癌患者术后生存期临床预后的机器学习分类方案。多层感知器、J48和朴素贝叶斯算法被用于在来自加州大学欧文分校机器学习仓库的胸腔手术数据集上训练和测试模型。分层10折交叉验证被用于评估分类器的基准性能准确度。比较分析表明，多层感知器表现最佳，分类准确率为82.3%；J48次之，分类准确率为81.8%；朴素贝叶斯表现最差，分类准确率为74.4%。所选机器学习算法的质量和结果取决于临床数据挖掘者的洞察力。
引用
@article{arxiv.1504.04646,
title = {Performance Evaluation of Machine Learning Algorithms in Post-operative Life Expectancy in the Lung Cancer Patients},
author = {Kwetishe Joro Danjuma},
journal= {arXiv preprint arXiv:1504.04646},
year = {2015}
}
备注
11 pages, 3 figures, 2 tables, ISSN (Print): 1694-0814 | ISSN (Online): 1694-0784