文献

J-GLOBAL ID：202002260538862534   整理番号：20A0961406

機械学習と特徴選択を用いた乳癌予測の比較研究【JST・京大機械翻訳】

A Comparative Study for Breast Cancer Prediction using Machine Learning and Feature Selection

著者 (5件)： R Dhanya (Amrita Vishwa Vidyapeetham,Department Of Computer Science and Engineering,Amritapuri,India) ,  Paul Irene Rose (Amrita Vishwa Vidyapeetham,Department Of Computer Science and Engineering,Amritapuri,India) ,  Sindhu Akula Sai (Amrita Vishwa Vidyapeetham,Department Of Computer Science and Engineering,Amritapuri,India) ,  Sivakumar Madhumathi (Amrita Vishwa Vidyapeetham,Department Of Computer Science and Engineering,Amritapuri,India) ,  Nair Jyothisha J (Amrita Vishwa Vidyapeetham,Department Of Computer Science and Engineering,Amritapuri,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCS  ページ： 1049-1055  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 乳癌の発生に寄与できる多くの因子があるが,それに寄与する正確な環境および他の因子を特性化することは非常に困難であるが,まだ癌の発生を決定することにおいて有意性がある。機械学習技術と規則的診断情報を用いて,著者らは乳癌の発生のリスクを評価する著者らの目標を達成することができた。癌データセットは患者情報の多くの属性を含むが,あらゆる特徴は癌の予測に関連しない。特徴選択技術は,関連する特徴集合を保持するためのそのようなシナリオにおいて有用である。本論文では,既存の機械学習アルゴリズムにより与えられた精度に対する特徴選択技法の効果の比較研究を行った。この目的のために,著者らは,以下の機械学習アルゴリズム-ロジスティック回帰,Naive Bayesおよびランダムフォレストを考慮した。次のような特徴選択技術は,逐次フォワード特徴選択,再帰特徴量,f検定および相関と考えられている。本研究では,UCIリポジトリからの公的に利用可能なBreast Cancer Wisconsin(診断)データセットを用いた。結果は,ランダムフォレストアルゴリズムが特徴選択によって最も高い精度を与えることを示した。さらに,fテストは,より小さいデータセットに対してより良い結果を与え,より大規模なデータセットに対しては逐次形式選択を与える。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *特徴選択 ,  キャラクタリゼーション ,  *乳房腫瘍 ,  *機械学習 ,  学習アルゴリズム ,  リポジトリ
準シソーラス用語： ロジスティック回帰分析 ,  診療情報 ,  特徴量 ,  ランダムフォレスト ,  Naive Bayes ,  機械学習技術 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  特徴選択 ,  乳癌 ,  予測 ,  研究