استخدام خوارزمية خطية تكيفية لآلة متجهات الدعم في التنبؤ بسرطان الثدي

الملخص

يعد سرطان الثدي أكثر أنواع السرطان شيوعًا ومساهمًا رئيسيًا في ارتفاع معدلات الوفيات بين النساء. تزداد معدلات الوفاة عندما يتم تشخيص هذه الحالة يدويًا، حيث يستغرق ذلك وقتا طويلا ويحتاج إلى متخصصين. لذلك، تم اقتراح تشخيص آلي لسرطان الثدي لتسريع عملية الكشف ومنع انتشار المرض. على مر السنين، تم استخدام خوارزميات التصنيف في تعلم الآلة للتنبؤ بسرطان الثدي. في الدراسات السابقة، كانت إحدى أكثر الخوارزميات استخدامًا هي خوارزمية آلة متجهات الدعم (SVM). ومع ذلك، كان لتلك الدراسات نتائج غير متسقة. وتبحث هذه الدراسة في تأثير اختيار الميزات، ومعلمات hyperparameters لخوارزمية SVM، وآلية تقسيم البيانات على أداء الخوارزمية. وبالتالي، تم بناء SVM كنموذج تعلم آلي فردي يحقق نتائج أعلى. وتم استخدام مجموعة بيانات Wisconsin لتدريب واختبار هذا النموذج. وقد أظهرت النتائج التجريبية أن أداء النموذج تأثر باختيار الميزات، ومعلمات hyperparameters، وآلية تقسيم البيانات وقيم الحالة العشوائية من حيث أفضل النتائج الأولى ومتوسط أفضل ثلاث نتائج. وكشفت نتائج المقارنة تفوق الطريقة المقترحة على الطرق الأخرى المستخدمة في نفس المجال.