技术进展国际期刊
开放获取

抽象的

基于多智能体的乳腺肿瘤分类器性能分析

Malgwi YM、Wajiga GM 和 Garba EJ

在众多分类器算法中选择最佳分类器的挑战性一直是数据挖掘中的一个大问题。机器学习广泛应用于生物信息学，特别是乳腺癌诊断。本研究基于开发和评估不同的分类器算法（k-NN、J48、决策表、决策树桩和朴素贝叶斯），以便使用多代理平台和 MYSQL 找到其中最好的用于乳腺诊断基于癌症疾病的相关症状和危险因素的肿瘤。Java代理开发环境(JADE)用于建模和仿真。结果和准确性评分使用乳腺肿瘤临床数据集进行测试，该数据集是使用 10 倍交叉验证方法从尼日利亚 FMC Yola 和 FMC Gombe 获得和形成的。分析结果表明k-NN分类器比其他分类算法具有更强的性能能力；因此，它被选为测试分类器中最好的，具有较高的准确率分数和较低的误报率值。