Meme Kanserinin Teşhis Edilmesinde Karar Ağacı Ve KNN Algoritmalarının Karşılaştırmalı Başarım Analizi

Abstract

Makine öğrenmesi yöntemlerinin sınıflandırma ve tanımlama açısından başarısının artması, bilgisayar teknolojisine karar verme yeteneği kazandırmış ve analiz yapma metotlarını geliştirmiştir. Makine öğrenmesi yöntemlerinin bu avantajları, medikal alanda hastalıkların teşhis ve tedavi süreçlerinde uzmanlara yardımcı olabilecek gelişmiş karar destek sistemlerini ortaya çıkarmıştır. Kanser teşhisi süreçlerinde kullanımı oldukça yaygınlaşan makine öğrenmesi yöntemleri, sonuç çıkarımında önemli roller üstlenmektedir. Meme kanseri, kadınlar arasında en yüksek ölüm oranına sahip kanser türü olmakla birlikte dünyada görülen en yüksek ikinci kanser türüdür. Hasta sayısı dolayısı ile elde edilen verilerin büyüklüğü göz önünde tutulduğunda, bu verilerin hızlı bir şekilde analizinin yapılması, hastalığın erken teşhisi için önemli bir adımdır. Bu çalışmada, 699 hastadan toplanılmış görüntülerin sayısallaştırılması ile elde edilen 10 adet öznitelik içeren Wisconsin Üniversitesi meme kanseri veri seti, K en yakın komşu ve karar ağacı algoritmalarının çeşitli parametreleri değiştirilerek sınıflandırılması yapılmıştır. Eğitim ve test verileri çapraz doğrulama ile karşılaştırılmış ve en yüksek sınıflandırma başarısı %97,30 ile K en yakın komşu algoritması ile elde edilmiştir.