Article · НАУКА ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ · June 30, 2025

Классификация рака молочной железы используя методы машинного обучения

A. Aryn, Orken J. Mamyrbayev, Sergii V. Pavlov

Abstract

Статья посвящена исследованию методов классификации рака молочной железы с использованием современных технологий машинного обучения, таких как многослойный персептрон (MLP, Multi-Layer Perceptron), метод опорных векторов (SVM, Support Vector Machine), логистическая регрессия (Logistic Regression), (математическая регрессия), метод K-ближайших соседей (KNN, K-Nearest Neighbors), экстремальное повышение градиента (XGBoost, Extreme Gradient Boosting), случайный лес (RF, Random Forest), машина для повышения светового градиента (LightGBM, Light Gradient Boosting Machine), Наивный байесовский классификатор (Naive Bayes (GaussianNB)). В ходе работы были проанализированы различные показатели на наборе данных по диагностике рака молочной железы в Висконсине, доступные в системе машинного обучения UCI Repository. Результаты экспериментов демонстрируют высокую точность, обеспечивая надежное выявление рака молочной железы. Полученные данные подтверждают эффективность использования алгоритмов машинного обучения в области медицинской диагностики.

Artificial Intelligence in HealthcareAI in cancer detectionData Mining and Machine Learning Applicationsbreast cancer classificationWisconsin Breast Cancer datasetmachine learning classifiers

Классификация рака молочной железы используя методы машинного обучения

Abstract

More by Orken Mamyrbayev