شناسایی سرطان سینه با استفاده از الگوریتم های یادگیری ماشین

سرطان سینه، رشد و تکثیر غیر عادی سلول های بدخیم در بافت های مختلف سینه، مثل مجاری انتقال شیر، غدد تولید کننده شیر و بافت های غیر غده ای سینه است . این مقاله به بررسی کاربرد الگوریتم های یادگیری ماشین در شناسایی سرطان سینه میپردازد. در این راستا الگوریتم های یادگیری مبتنی بر نمونه، ماشین بردار پشتیبان، شبکه های عصبی، شبکه های بیزین، رگرسیون منطقی و انواع درختان تصمیم موجود در نرم افزار WEKA بر روی مجموعه داده WBCD ) Wisconsin Breast Cancer Dataset ) تست و کارایی هر یک بررسی شده است. نتایج حاصل از بررسی نشان می دهد که در این مجموعه داده، شبکه های عصبی RBF ، درختان تصمیم Random Forest و ماشین بردار پشتیبان، بالاترین دقت شناسایی را داشته اند.

کلیدواژه ها:

سرطان سینه ، یادگیری ماشین ، WEKA ، Breast Cancer