Prediction of breast cancer using machine learning algorithms on different datasets

• Yavuz, Ömer Çağrı ^[1] ; Calp, M. Hanefi ^[2] ; Erkengel, Hazel Ceren ^[1]
  1. [1] Karadeniz Technical University

     Karadeniz Technical University

     Turquía

     
  2. [2] Ankara Hacı Bayram Veli University
• Localización: Ingeniería Solidaria, ISSN-e 2357-6014, Vol. 19, Nº. 1, 2023
• Idioma: inglés
• Títulos paralelos:
  • Predicción del cáncer de mama utilizando algoritmos de aprendizaje automático en diferentes conjuntos de datos
• Enlaces
  • Texto completo
• Resumen
  • español

    Introducción: El trabajo de investigación “Predicción del cáncer de mama utilizando algoritmos de aprendizaje automático en diferentes conjuntos de datos”, se desarrolló en la Universidad Técnica de Karadeniz en el año 2022.

    Problema: El cáncer de mama es una enfermedad cada vez más común, día a día, provocando reacciones emocionales y conductuales y con consecuencias fatales si no se detecta a tiempo. En este punto, los métodos tradicionales son insuficientes, sobre todo en el diagnóstico precoz. Este estudio tiene como objetivo predecir el cáncer de mama mediante el uso de algoritmos de aprendizaje automático (ML) en diferentes conjuntos de datos y demuestra la aplicabilidad de estos algoritmos.

    Metodología: se compararon los rendimientos de los algoritmos en conjuntos de datos equilibrados y no equilibrados, teniendo en cuenta las métricas de rendimiento obtenidas en aplicaciones en diferentes conjuntos de datos. Además, se desarrolló un modelo basado en el método Borda Voting al incluir en el proceso los resultados obtenidos de cuatro algoritmos diferentes (NB, KNN, DT y RF).

    Originalidad y Limitaciones de la Investigación: En el modelo desarrollado en el marco del estudio se combinaron los valores de los resultados obtenidos de diferentes algoritmos como NB, KNN, DT y RF; el objetivo es aumentar el rendimiento del modelo con este proceso, que se basa en el método Borda Voting.

    Resultados: Los valores de predicción obtenidos de cada algoritmo se escribieron en diferentes columnas en la misma hoja de cálculo y se aceptó el valor más repetitivo como valor final del resultado. El modelo desarrollado se probó en datos reales que constaban de 60 registros y se analizaron los resultados.

    Conclusión: Cuando se examinaron los resultados, se observó que se obtuvo un mayor rendimiento con el modelo de RF propuesto en comparación con estudios similares en la literatura. 

  • English

    Breast cancer is a disease that is becoming more and more common day by day, causing emotional and behavioral reactions and having fatal consequences if not detected early. At this point, traditional methods are insufficient, especially in early diagnosis. In this context, this study aimed to predict breast cancer by using machine learning (ML) algorithms on different datasets and to demonstrate the applicability of these algorithms. Algorithm performances were compared on balanced and unbalanced datasets, taking into account the performance metrics obtained in applications on different datasets. In addition, a model based on the Borda Voting method was developed by including the results obtained from four different algorithms (NB, KNN, DT, and RF) in the process. The prediction values obtained from each algorithm were written in different columns on the same excel file and the most repetitive value was accepted as the final result value. The developed model was tested on real data consisting of 60 records and the results were analyzed. When the results were examined, it was seen that higher performance was obtained with the proposed RF model compared to similar studies in the literature. Finally, the prediction results obtained with the developed model revealed the applicability of ML algorithms in the diagnosis of breast cancer.