استفاده از یک طبقه‌بندی ترکیبی بر اساس الگوریتم جنگل تصادفی و الگوریتم جایا برای طبقه بندی سرطان سینه

امروزه تصمیمات متخصصان و ارزیابی داده‌های بیماران، بر تحلیل و درمان سرطان سینه تاثیر می‌گذارد. برای تشخیص زودهنگام سرطان سینه، تکنیک‌های متعدد یادگیری ماشینی نه تنها می‌تواند به بررسی و تشخیص سریع داده‌های پزشکی در درمان سرطان سینه کمک کند، بلکه خطاهایی که ممکن است به دلیل تصمیم‌گیرندگان غیرمتخصص رخ دهد را نیز کاهش می دهد. الگوریتم جنگل تصادفی یکی از طبقه بندی کننده های معروفی است که در طبقه بندی سرطان تاثیر بسزایی داشته و تنظیمات پارامترهای آن به طور قابل توجهی بر عملکرد آن تاثیر می گذارد. بنابراین برای بهبود عملکرد دقت طبقه‌بندی ‌کننده، یک روش طبقه‌بندی هوشمند در حوزه سرطان، مبتنی بر انتخاب یک زیر مجموعه ویژگی و بهینه‌سازی پارامترهای مربوطه در این مقاله پیشنهاد شده است و سبب شده است که الگوریتم جنگل تصادفی از طریق یک الگوریتم هوشمند با عنوان الگوریتم جایا بهبود داده شود. با ترکیب الگوریتم جنگل تصادفی و الگوریتم جایا برای انجام پژوهش از 699 نمونه، که به ترتیب شامل 458 و 241 نمونه برای داده های خوش خیم و بدخیم هستند، استفاده شد. علاوه بر این، برای ارزیابی اثربخشی طبقه‌بندی‌کننده پیشنهادی از نظر پیچیدگی محاسباتی و دقت طبقه‌بندی، مقایسه ای با الگوریتم جنگل تصادفی به عنوان روش پایه روی پایگاه داده های موجود انجام گرفته است.