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を殺す病気の1つであり、乳がんが癌の症例の数が最も多く、その結果死亡の原因となっています。
ただし、早期発見とその結果、早期治療によって防止できます。
この種の癌の検出または困odの開発は、健康的な生活の向上にとって重要です。
多くの研究は、がんの予測に高い精度を持つモデルに焦点を当てていますが、精度だけでは常に信頼できるメトリックではない場合があります。
この研究は、リコールメトリックに焦点を当てた乳がんを予測するためのブーストに基づいて、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ための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、医療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（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を訓練およびテストするため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トアルゴリズムを使用して、乳がんを予測および診断し、リコール、ROC-AUC、および混乱マトリックスに関する最も効果的なメトリックを見つけることです。
さらに、我々の研究は、オプトゥーナ、ハイパーパラメーターの最適化のライブラリであるOptunaでこれらの4つのブーストアルゴリズムを使用し、モデルの解釈可能性を改善するSHAPメソッドを使用した最初の研究であり、乳がんを特定して予測するためのサポートとして使用できます。
すべてのモデルのAUCを改善したり、リコールしたり、AdaboostとLigthgbmの偽陰性を減らすことができました。最終的なAUCは、すべてのモデルで99.41 \％を超えていました。

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