17、乳腺癌监测与智能医疗系统技术解析

乳腺癌监测与智能医疗系统技术解析

1. 乳腺癌预测相关指标与实验概述

在乳腺癌（BC）预测领域，有几个关键的性能评估指标，它们对于衡量预测模型的性能至关重要。

1.1 性能评估指标

• 精确率（Precision） ：指真正属于某一类别的病例占整个该类别病例的比例，计算公式为：
  Precision = $\frac{TP}{TP + FN} * 100\%$
• 召回率（Recall） ：指被分类为某一类别的病例占实际该类别病例总数的比例，等同于真阳性率（TP rate），计算公式为：
  Recall = $\frac{TP}{TP + FN} * 100\%$
• 马修斯相关系数（MCC） ：用于衡量机器学习中二元分类（两类）的质量，综合考虑了真阳性、假阳性、真阴性和假阴性的情况，即使两组数据差异很大也适用，计算公式为：
  MCC = $\frac{TP * TN - FP * FN}{\sqrt{(TP + FP) * (TP + FN) * (TN + FP) * (TN + FN)}} * 100\%$
• ROC 面积 ：即受试者工作特征曲线（ROC）的面积计算，是 Weka 的主要输出值之一，能帮助我们了解分类器的总体功能。

1.2 实验概述

为了进行 BC 预测，采用了机器学习预测模型支持向量机（SVM）。使用的数据集是“WDBC”，可从 UCI 机器学习库下载