面向乳腺癌风险因素分析与生存预测的监督机器学习
机器学习
2023-04-18 v1 人工智能
摘要
最有效治疗的选择最终可能受乳腺癌生存预测的影响。为预测患者存活几率，采用了多种技术，如统计、机器学习和深度学习模型。在当前研究中，利用来自 METABRIC 数据集的 1904 条患者记录，通过机器学习方法预测 5 年乳腺癌生存率。在本研究中，我们比较七种分类模型的结果，使用以下指标评估其表现：召回率、AUC、混淆矩阵、准确率、精确率、假阳性率和真阳性率。结果表明，Logistic Regression（LR）、Support Vector Machines（SVM）、Decision Tree（DT）、Random Forest（RD）、Extremely Randomized Trees（ET）、K-Nearest Neighbor（KNN）和 Adaptive Boosting（AdaBoost）分类器能准确预测测试样本的生存率，分别为 75.4%、74.7%、71.5%、75.5%、70.3% 和 78%。
引用
@article{arxiv.2304.07299,
title = {Supervised Machine Learning for Breast Cancer Risk Factors Analysis and Survival Prediction},
author = {Khaoula Chtouki and Maryem Rhanoui and Mounia Mikram and Kamelia Amazian and Siham Yousfi},
journal= {arXiv preprint arXiv:2304.07299},
year = {2023}
}