TY -的A2 Koundal迪盟-贝德Alazzam Malik AU -曼苏尔,Hoda盟,澡堂,Mohamed m . AU - Alsheikh AU -巴克尔说,阿里AU - Alghamdi,赛义德盟——Alghamdi艾哈迈德·s . PY - 2021 DA - 2021/12/21 TI -机器学习涉及复杂的蛋白质和基因的医学应用测量SP - 1094054六世- 2021 AB - 动机。乳腺癌是女性癌症死亡率的第二大原因,根据世界卫生组织(世卫组织)和所有女人中最常见的疾病之一。的影响并不局限于工业化国家,也包括新兴国家因为作者相信增加城市化和采用西方的生活方式将会导致疾病发病率的上升。 问题陈述。乳腺癌已成为最致命的疾病之一,目前面临的女性。然而,导致这种疾病的原因有很多,不能正确地建立。然而,有一个巨大的困难没有正确认识乳腺癌的早期阶段或延长检测流程。 方法。在这个研究中,机器学习是一个人工智能领域,采用各种概率,优化,和统计方法使电脑学习从过去的数据和查找和识别模式从大型或复杂的组。优势尤其适合医疗应用程序,特别是那些涉及复杂的蛋白质和基因的测量。 结果和影响。然而,当使用PCA方法减少功能,检测精度下降到89.9%。IG-ANFIS给我们检测精度(98.24%)通过减少数量的变量使用信息增益”方法。而简称ANFIS算法检测精度为59.9%,没有利用特性,J48,这是决策树的方法,检测精度为92.86%不使用特征提取方法。应用主成分分析技术来最小化时的特性,检测精度是相同的方式降低(91.1%)为朴素贝叶斯检测算法(96.4%)。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/1094054 - 10.1155 / 2021/1094054摩根富林明计算智力和神经科学PB - Hindawi KW - ER