Resumen

Para superar el problema del desequilibrio de dos clases existente en el diagnóstico del cáncer de mama, se propone un híbrido de K-means y Boosted C5.0 (K-Boosted C5.0) basado en el submuestreo. K-means se utiliza para seleccionar las muestras informativas cercanas al límite. Durante la fase de entrenamiento, el algoritmo K-means agrupa los casos mayoritarios y minoritarios y selecciona un número similar de casos de cada grupo. A continuación, se utiliza C5.0 como clasificador. Como hay un factor de selección de instancias diferente a través de la agrupación que fomenta la diversidad del subespacio de entrenamiento en K-Boosted C5.0, sería una gran ventaja para obtener un mejor rendimiento. Para probar el rendimiento del nuevo clasificador híbrido, se implementa en 12 conjuntos de datos a pequeña escala y 2 a gran escala, que son los conjuntos de datos utilizados a menudo en el aprendizaje con desequilibrio de clases. Los amplios resultados experimentales muestran que nuestro método híbrido propuesto supera a la mayoría de los algoritmos de la competencia en términos de coeficiente de correlación de Matthews (MCC) e índices de precisión. Puede ser una buena alternativa a los conocidos métodos de aprendizaje automático.

• Materias:Análisis de espectro Organización modular Diagnóstico automatizado Monitoreo Servicios de salud
• Subjects:Spectrum analysis Modular organization Automated diagnostics Monitoring Health services
• Palabras claves:K, C5.0, diferente factor de selección de instancias, amplios resultados experimentales, métodos de aprendizaje automático, algoritmo de clusters medios, nuevo clasificador híbrido, clase, medios, Boosted C5.0
• Keywords:K, C5.0, different instance selection factor, extensive experimental results, machine learning methods, means algorithm clusters, new hybrid classifier, class, means, Boosted C5.0