Классификация данных о раке легких на основе искусственного интеллекта

Аннотация

      В статье приведены результаты исследования, основанного на искусственном интеллекте, по изучению эффективности методов ансамблевого обучения для повышения точности в наборе данных по раку лёгких. Результаты показали, что алгоритмы Gradient Boosting, AdaBoost, LGBM и SGD продемонстрировали наивысшую производительность с точностью 95,6% и также обеспечили высокую точность, чувствительность и F1-оценки. Random Forest и XGBoost достигли успешных результатов с точностью 91,3% и продемонстрировали способность правильно различать между двумя классами. В целом, методы ансамблевого обучения, использованные в этом исследовании, продемонстрировали высокую производительность как в точности, так и в обобщении.