Mar, 2024
基于梯度提升算法的乳腺癌分类,重点减少假阴性并使用 SHAP 解释性
Breast Cancer Classification Using Gradient Boosting Algorithms Focusing on Reducing the False Negative and SHAP for Explainability
João Manoel Herrera Pinheiro, Marcelo Becker
TL;DR通过使用四种提升算法:AdaBoost、XGBoost、CatBoost 和 LightGBM,研究了乳腺癌的预测和诊断,以及针对召回率、ROC-AUC 和混淆矩阵的最有效度量标准。同时使用 Optuna 进行超参数优化,利用 SHAP 方法提高模型的可解释性,旨在帮助鉴定和预测乳腺癌,有效减少误诊率且达到更多的 AUC 值。