Breast Cancer Classification Using Gradient Boosting Algorithms Focusing on Reducing the False Negative and SHAP for Explainability

要約

がんは世界で最も多くの女性が死亡する病気の 1 つであり、乳がんはがんの症例数とその結果としての死亡の最大の原因となっています。
しかし、早期発見、早期治療によって予防することが可能です。
この種のがんを検出または撲滅するためのあらゆる開発は、より良い健康的な生活にとって重要です。
多くの研究は、がん予測において高精度のモデルに焦点を当てていますが、精度だけでは必ずしも信頼できる指標とは限らない場合があります。
この研究は、リコール指標に焦点を当てて乳がんを予測するためのブースティングに基づくさまざまな機械学習アルゴリズムのパフォーマンスを研究する調査アプローチを意味します。
機械学習アルゴリズムの強化は、医学的疾患を検出するための効果的なツールであることが証明されています。
カリフォルニア大学アーバイン校 (UCI) リポジトリのデータセットは、属性を含むモデル分類器のトレーニングとテストに利用されています。
この研究の主な目的は、AdaBoost、XGBoost、CatBoost、LightGBM などの最先端のブースティング アルゴリズムを使用して乳がんを予測および診断し、再現率、ROC-AUC、混同行列に関する最も効果的な指標を見つけることです。
。
さらに、私たちの研究では、これら 4 つのブースティング アルゴリズムとハイパーパラメーター最適化ライブラリである Optuna および SHAP メソッドを初めて使用して、モデルの解釈可能性を向上させ、乳がんの特定と予測のサポートとして使用できます。
すべてのモデルで AUC またはリコールを改善し、AdaBoost と LigthGBM の偽陰性を減らすことができ、最終的な AUC はすべてのモデルで 99.41\% 以上でした。

要約(オリジナル)

Cancer is one of the diseases that kill the most women in the world, with breast cancer being responsible for the highest number of cancer cases and consequently deaths. However, it can be prevented by early detection and, consequently, early treatment. Any development for detection or perdition this kind of cancer is important for a better healthy life. Many studies focus on a model with high accuracy in cancer prediction, but sometimes accuracy alone may not always be a reliable metric. This study implies an investigative approach to studying the performance of different machine learning algorithms based on boosting to predict breast cancer focusing on the recall metric. Boosting machine learning algorithms has been proven to be an effective tool for detecting medical diseases. The dataset of the University of California, Irvine (UCI) repository has been utilized to train and test the model classifier that contains their attributes. The main objective of this study is to use state-of-the-art boosting algorithms such as AdaBoost, XGBoost, CatBoost and LightGBM to predict and diagnose breast cancer and to find the most effective metric regarding recall, ROC-AUC, and confusion matrix. Furthermore, our study is the first to use these four boosting algorithms with Optuna, a library for hyperparameter optimization, and the SHAP method to improve the interpretability of our model, which can be used as a support to identify and predict breast cancer. We were able to improve AUC or recall for all the models and reduce the False Negative for AdaBoost and LigthGBM the final AUC were more than 99.41\% for all models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google