【文件属性】：
文件名称：威斯康星州乳腺癌：[ICMLSC 2018]乳腺癌检测：机器学习算法在威斯康星州诊断数据集上的应用
文件大小：6.34MB
文件格式：ZIP
更新时间：2021-02-05 23:11:43
machine-learning tensorflow linear-regression scikit-learn machine-learning-algorithms
乳腺癌检测：机器学习算法在威斯康星州诊断数据集上的应用
注意：此存储库已淘汰，不会移植为使用TF2。 但是，您可以以此为参考。
该论文于2018年2月2-4日在越南富国岛举行的第二届机器学习与软计算国际会议（ICMLSC）上发表。
有关该项目的全文，请访问 。
抽象
本文对威斯康星州的六种机器学习（ML）算法进行了比较： ，线性回归，多层感知器（MLP），最近邻（NN）搜索，Softmax回归和支持向量机（SVM）诊断性乳腺癌（WDBC）数据集通过测量其分类测试的准确性以及其敏感性和特异性值。 所述数据集包含特征，这些特征是根据乳腺肿块的FNA测试的数字化图像计算得出的[22]。 为
【文件预览】：
wisconsin-breast-cancer-master
----main_mlp.py(3KB)
----models()
--------logistic_regression.py(12KB)
--------svm.py(11KB)
--------MLP.py(13KB)
--------nearest_neighbor.py(4KB)
--------gru_svm.py(16KB)
--------linear_regression.py(11KB)
----main_svm.py(4KB)
----main_nearest_neighbor.py(2KB)
----flask()
--------breast-cancer-wisconsin.data(19KB)
--------app.py(1KB)
--------templates()
--------train.py(4KB)
--------static()
--------dnn.h5(6.11MB)
--------figure()
--------README.md(558B)
----utils.py(5KB)
----LICENSE(11KB)
----results()
--------training_accuracy.png(138KB)
----main_linear_regression.py(3KB)
----requirements.txt(95B)
----main_gru_svm.py(3KB)
----grid_search.py(3KB)
----.gitignore(2KB)
----README.md(7KB)
----main_logistic_regression.py(3KB)
----setup.sh(495B)