ISSN: 0976-4860
Malgwi YM, Wajiga GM y Garba EJ
El desafiante efecto de seleccionar el mejor clasificador entre muchos algoritmos clasificadores ha sido un gran problema en la minería de datos. El aprendizaje automático se usa ampliamente en bioinformática y particularmente en el diagnóstico de cáncer de mama. Este estudio se basa en el desarrollo y evaluación de diferentes algoritmos clasificadores (k-NN, J48, tabla de decisión, muñón de decisión y Naïve Bayes) para encontrar el mejor entre ellos utilizando una plataforma multiagente y MYSQL para el diagnóstico de mama. tumores basados en síntomas asociados y factores de riesgo de enfermedades cancerosas. Para el modelado y la simulación se utilizó Java Agent Development Environment (JADE). Los resultados y la puntuación de precisión se probaron con conjuntos de datos clínicos de tumores de mama que se obtuvieron y formaron de FMC Yola y FMC Gombe en Nigeria utilizando el método de validación cruzada de 10 veces. Los resultados del análisis revelan que el clasificador k-NN tiene una mayor capacidad de rendimiento sobre otros algoritmos de clasificación; por lo tanto, se selecciona para ser el mejor entre los clasificadores probados con una puntuación de precisión más alta y un valor de tasa de falsos positivos más bajo.