Meme Kanseri Tanısı İçin Özniteliklerin Öneminin Değerlendirilmesi Üzerine Bir Çalışma

Özet

En yaygın kanser türlerinden biri olan meme kanseri kadınları etkileyen ölümcül bir hastalıktır. Önerilen çalışmada, Wisconsin meme kanseri veriseti üzerinde öznitelik seçimine dayalı Özyinelemeli Özellik Seçimi metodu kullanılarak özniteliklerin önemliliği araştırılmış ve sonrasında Rastele Orman ve Lojistik Regresyon sınıflandırıcı algoritmaları kullanılarak makine öğrenmeleri gerçekleştirilmiştir. Eğitim ve test aşamalarını içeren öğrenme süreci 5 katlı çapraz doğrulama tekniği kullanılarak gerçekleştirilmiştir. Deneysel çalışmalar, Rastgele Orman algoritması kullanılarak en iyi sınıflandırma başarısı ( %98 doğruluk) elde edildiğini göstermiştir

Abstract

Breast cancer, one of the most common types of cancer, is a deadly disease affecting women. The importance of attributes was investigated by using the Recursive Feature Selection based on feature selection on Wisconsin breast cancer dataset, and then the machine learnings were performed by utilizing Random Forest and Logistic Regression classifier algorithms in the proposed study. The learning process involving training and testing phases was performed by utilizing the 5-fold cross-validation technique. Experimental studies showed that the best classification performance (98% accuracy) was achieved by applying the Random Forest algorithm