文件名称:机器学习分类器技术对乳腺癌的分类-研究论文
文件大小:544KB
文件格式:PDF
更新时间:2024-06-09 14:46:34
Breast Cancer WDBC SVM k-NN
癌症是导致人类死亡的众所周知的疾病,乳腺癌(BC)是女性诊断出的癌症之一。 一生中大约有八名女性被诊断出患有BC。 如果尽早诊断出BC,可以很容易地进行治疗。 这项研究的方法是通过不同的机器学习(ML)技术来识别患有BC或不患有BC的患者。 在这项研究中,威斯康星州诊断性乳腺癌(WDBC)数据集将通过支持向量机(SVM),k最近邻(k-NN),朴素贝叶斯(NB),决策树(DT)和逻辑回归(LR)进行分类)。 分类之前有一个预处理阶段,其中五个不同的分类器应用了5倍交叉验证方法。 分类性能是通过使用混淆量度通过性能测量参数(即准确性,敏感性和特异性)来测量的。 在这项研究中,SVM在归一化过程后发现的最佳性能为99.12%的精度。