مروري بر روش‌هاي داده‌كاوي براي تشخيص بيماري سرطان سينه

A Review of Data Mining Methods for Diagnosing Breast Cancer

سرطان سينه يكي از رايج ترين انواع سرطان در زنان مي باشد و در سال هاي اخير رشد قابل ملاحظه اي درتعداد افراد مبتلا به اين بيماري گزارش شده است. استفاده از داده كاوي در پزشكي يكي از زمينه هاي پركاربرد داده كاوي محسوب مي شود، كه در سال هاي اخير تحقيقات زيادي پيرامون آن انجام شده است. به دليل اين كه روش هاي معمولي هزينه بر و تهاجمي هستند، كارهاي زيادي درخصوص تشخيص سرطان سينه بر اساس روش هاي داده كاوي انجام شده است كه اين روش ها دقت كافي را درتشخيص اين بيماري نداشته اند. در اين مقاله با مقايسه انواع روش‌هاي داده‌كاوي مانند ماشين بردار پشتيبان، درخت تصميم و غيره درخصوص نقش آن‌ها در پيش‌بيني اين بيماري را نشان مي‌دهيم كه الگوريتم ماشين بردار پشتيبان و تركيب آن با الگوريتم‌هاي ديگر پركاربردترين روش در پيش‌بيني اين بيماري مي تواند داشته باشد، همچنين بر پركاربردترين مجموعه داده ها وپركاربردترين ابزارهاي مورد استفاده در اين فيلد تحقيقاتي، مروري انجام مي شود.

Breast cancer is one of the most common types of cancer in women, and in recent years there has been a significant increase in the number of people with this condition. The use of data mining in medicine is one of the most widely used fields of data mining, and many researches have been carried out in recent years. Because of the costly and invasive nature of the usual methods, there is a lot of work done to diagnose breast cancer based on data mining techniques that have not been adequately addressed in the diagnosis of the disease. In this paper, we show a comparison of a variety of data mining methods, such as support vector machine, decision tree, etc., and their role in predicting this disease. The supporting vector machine algorithm and even its combination with other algorithms play an important role in predicting the disease, as well as the sign, the most widely used UCI data set is the most widely used WEKA tools