Analysis Performance Classification of Wisconsin Diagnostic Breast Cancer WDBC Via Supervised Machine Learning Algorithms

الملخص

سرطان الثدي هو أحد الأسباب الرئيسية لوفاة النساء بسبب السرطان. وغالبًا ما يؤدي إلى نتائج مميتة بسبب التأخر في التعرف عليه في المراحل المتقدمة. ويحسن الكشف المبكر والعلاج بشكل كبير من فرصة بقاء مريضة سرطان الثدي على قيد الحياة. وقد فتحت التطورات الحديثة في التعلم الآلي الأبواب أمام إمكانيات الكشف المبكر. الهدف: هدفت هذه الدراسة إلى تطبيق ومقارنة العديد من خوارزميات التعلم الآلي (ML) لمعرفة أيها كان أداؤها أفضل للتنبؤ بسرطان الثدي. الطريقة: لتحقيق أهداف الدراسة، تم اتخاذ العديد من الخطوات، بما في ذلك جمع البيانات ومعالجتها مسبقًا، والتي تتضمن تطبيع البيانات وإزالة بيانات الخطوط العريضة وإصلاح القيم المفقودة. تم فصل البيانات إلى قسمين: التدريب (80٪) ومجموعة الاختبار (20٪). تم استخدام العديد من التقنيات، بما في ذلك Multi-Layer Perceptron (MLP) و Ada Boost (AB) و Gradient Boosting (GB) و Support Vector Machines (SVM) وخوارزمية K-Nearest Neighbors و Decision Trees (DT) و Gaussian Naïve Bayes (NB). استُخدمت  Accuracy, precision, recall, and Fl scores لتقييم الأداء. النتيجة: حقق (MLP) أعلى أداء دقة، مقارنةً بالتقنيات أخرى، حيث بلغ المعدل 0.998. التقييم: لتقييم المقترحات المُقدمة من خلال   مقارنه الاداء في دقه التنبؤ مع الدراسات المتاحة. حققت هذه الدراسة أداءً أفضل من الأعمال الحالية في مجال التنبؤ بتصنيف سرطان الثدي.