机构名称：
¥ 3.0
摘要：区分有助于肿瘤生长的基因突变的挑战是癌症治疗中的挑战。癌症每年造成数百万死亡，因此需要尽早发现肿瘤以改善治疗效果和生存率。然而，由于人类的局限性和领域知识的复杂性，手动分类容易出现错误和ffi ciencies，从而导致了时间密集型的过程。在响应中，机器学习模型提高了癌症预后和预测的准确性和效率。但是，对算法的理论理解缺乏可能会限制结果的可解释性和适用性，在这种情况下，对模型的见解对于做出明智的决策至关重要，尤其是在生物医学领域中。为了应对这些挑战，我们的研究采用了四种监督的机器学习算法，即支持向量机（SVM），Na've Bayes（NB），Logistic Recression（LR）和Random Forest（RF）。使用对数损坏和错误分类速率评估了这些算法的表现。逻辑回归作为最佳分类器出现，log损失为1.0125，错误分类率为30.97％。
使用机器学习模型对遗传突变的多类分类
主要关键词
相关文件推荐
