TY -的A2 - Ur Rehman,马苏德AU -马赫什,t·r . AU - Vinoth Kumar诉盟——Muthukumaran诉盟——Shashikala h . k . AU -副研究员,b . AU - Guluwadi Suresh PY - 2022 DA - 2022/09/13 TI -性能分析XGBoost合奏的生存能力与乳腺癌的分类方法SP - 4649510六世- 2022 AB -乳腺癌(BC)疾病是最常见的和在全球范围内迅速传播疾病。这种疾病是可以预防的,如果早期发现,这最终降低了死亡率。机器学习(ML)是最常使用的技术研究。癌症患者可以受益于早期发现和诊断。使用机器学习的方法,本研究提出了一种改进的方法检测乳腺癌。处理问题的不平衡数据的类和噪音,合成少数(杀)已经使用过采样技术。有两个步骤建议的任务。在第一阶段,将利用减少不平衡数据的影响问题,随后,在下一阶段,数据使用朴素贝叶斯分类器,分类决策树分类器,随机森林,他们的集合体。根据实验分析,XGBoost-Random森林系综分类器优于在乳腺癌的早期检测准确率达到了98.20%。SN - 1687 - 725 - 2022/4649510 / 10.1155 x你——https://doi.org/10.1155/2022/4649510——摩根富林明——《传感器PB - Hindawi KW - ER