محدثه منتظری - مربی فنی کامپیوتر، دپارتمان برق و کامپیوتر، دانشکده حضرت فاطمه (س)، دانشگاه فنی و حرفه ای استان کرمان، ایران
زهرا سلطانی - دانشجوی رشته مهندسی تکنولوژی نرم افزار، دپارتمان برق و کامپیوتر، دانشکده حضرت فاطمه (س)، دانشگاه فنی و حرفه ای استان کرمان، ایران

تشخیص به موقع بیماری به دلیل رشد سریع جمعیت، در تحقیقات پزشکی در چند وقت اخیر، به یک مسئله وخیم تبدیل شده است. با رشد سریع جمعیت، خطر مرگ ناشی از سرطان پستان به طور قابل توجهی در حال افزایش می باشد. سرطان پستان دومین مورد است از سرطان شدید در میان همه سرطان هایی که قبلاً آشکار شده است. یک سیستم تشخیص خودکار بیماری به پرسنل پزشکی در تشخیص بیماری کمک می کند و پاسخ مطمئن، موثر و سریع را ارائه می کند و همچنین خطر مرگ را کاهش می دهد. در این مقاله، ما مقایسه پنج تا از تکنیک های یادگیری ماشین را مورد بررسی قرار می دهیم به نام ماشین بردار پشتیبانی SVM، نزدیکترین همسایگان K، تصادفی جنگل ها، شبکه های عصبی مصنوعی ANN و رگرسیون لجستیک (برگشت منطقی). مجموعه داده های سرطان سینه ویسکانسین از یک پایگاه داده یادگیری ماشین برجسته به نام ماشین UCI به دست می آید. در عملکرد این مطالعات صحت درستی، میزان حساسیت، دقت، ارزش اخباری منفی، نرخ منفی کاذب، نرخ مثبت کاذب، F1 نمره و ضریب همبستگی مورد بررسی قرار می گیرد. نتایج نشان داده است که شبکه های عصبی مصنوعی ANN بالاترین صحت و دقت را دارد. درحالی که نمره F1، به ترتیب 97.19% و 0.999% صحت و درستی اش را بااستفاد از SVM به دست آورده است.

پیش بینی سرطان پستان، مجموعه داده های سرطان، یادگیری ماشین، ماشین بردار پشتیبانی، جنگل های تصادفی، شبکه های عصبی مصنوعی، نزدیک ترین همسایگان K، رگرسیون لجستیک